[论文解读] A review of computational tools for generating metagenome-assembled genomes from metagenomic sequencing data

Chao Yang, Debajyoti Chowdhury+5 more|arXiv (Cornell University)|Sep 2, 2021

Genomics and Phylogenetic Studies被引用 14

一句话总结

本文综述了从宏基因组测序数据重建宏基因组组装基因组（MAGs）的计算工具，重点聚焦于从头组装、分箱和注释流程。评估了关键工具在技术和生物学性能方面的表现，为研究人员提供了在培养微生物以外的微生物群落分析中选择合适方法的全面指南。

ABSTRACT

Microbes are essentially yet convolutedly linked with human lives on the earth. They critically interfere in different physiological processes and thus influence overall health status. Studying microbial species is used to be constrained to those that can be cultured in the lab. But it excluded a huge portion of the microbiome that could not survive on lab conditions. In the past few years, the culture-independent metagenomic sequencing enabled us to explore the complex microbial community coexisting within and on us. Metagenomics has equipped us with new avenues of investigating the microbiome, from studying a single species to a complex community in a dynamic ecosystem. Thus, identifying the involved microbes and their genomes becomes one of the core tasks in metagenomic sequencing. Metagenome-assembled genomes are groups of contigs with similar sequence characteristics from de novo assembly and could represent the microbial genomes from metagenomic sequencing. In this paper, we reviewed a spectrum of tools for producing and annotating metagenome-assembled genomes from metagenomic sequencing data and discussed their technical and biological perspectives.

研究动机与目标

• 提供用于从宏基因组测序数据生成宏基因组组装基因组（MAGs）的计算工具的全面概述。
• 评估现有MAG重建流程在技术和生物学性能方面的表现。
• 根据数据特征和研究目标，指导研究人员选择合适的工具。
• 突出MAG重建中的挑战，包括污染、片段化和菌株异质性。
• 讨论MAGs在推进复杂生态系统中未培养微生物群落研究中的作用。

提出的方法

• 系统性综述用于宏基因组组装基因组（MAG）重建的计算工具，包括从头组装、分箱和质量评估。
• 根据工具的主要功能对工具进行分类：组装、分箱或后处理（如注释、优化）。
• 使用技术指标（如N50、完整性、污染率）以及生物学相关性评估工具性能。
• 比较不同测序深度、微生物群落复杂度和数据类型下工具的性能表现。
• 在综述框架中纳入广泛使用的工具（如MEGAHIT、MetaBAT2）和较新的方法。
• 整合生物学背景，评估工具输出是否真实反映微生物多样性与功能潜力。

实验结果

研究问题

• RQ1 哪些计算工具在从宏基因组短读长数据进行从头组装方面最为有效？
• RQ2 不同分箱工具在从复杂微生物群落中恢复近完整且高质量MAGs方面的表现如何？
• RQ3 MAG重建流程中，灵敏度、特异性和计算效率之间的权衡是什么？
• RQ4 污染和片段化如何影响MAG的可靠性，哪些工具最有效地缓解这些问题？
• RQ5 MAG在多大程度上真实反映了未培养微生物群落的功能和分类多样性？

主要发现

• MEGAHIT和metaWRATH等从头组装工具在高覆盖度宏基因组数据中实现了较高的N50值，表现高效。
• MetaBAT2和CONTAme等分箱工具在中等到高测序深度下表现出高准确性，能有效分离MAGs。
• 污染和片段化仍是主要挑战，部分工具生成的MAGs存在不完整或嵌合序列问题。
• 通过共识分箱（如整合多个分箱工具）可提升MAG质量，减少假阳性结果。
• CheckM和GTDB-tk等注释工具在评估MAG质量及高精度分配分类标签方面至关重要。
• 管道选择显著影响下游生物学解释，且在所有条件下均无单一工具套件为最优。