[论文解读] CoverM: Read alignment statistics for metagenomics

Samuel T. N. Aroney, R.B. Newell+4 more|ArXiv.org|Jan 20, 2025

Genomics and Phylogenetic Studies被引用 17

一句话总结

CoverM 提供一个统一框架，通过流式读取比对并使用 Mosdepth 数组实现高效性，来计算元基因组中每个参考的读取覆盖统计，并以 Rust 实现、提供 Python 与 Julia 接口。

ABSTRACT

Genome-centric analysis of metagenomic samples is a powerful method for understanding the function of microbial communities. Calculating read coverage is a central part of analysis, enabling differential coverage binning for recovery of genomes and estimation of microbial community composition. Coverage is determined by processing read alignments to reference sequences of either contigs or genomes. Per-reference coverage is typically calculated in an ad-hoc manner, with each software package providing its own implementation and specific definition of coverage. Here we present a unified software package CoverM which calculates several coverage statistics for contigs and genomes in an ergonomic and flexible manner. It uses 'Mosdepth arrays' for computational efficiency and avoids unnecessary I/O overhead by calculating coverage statistics from streamed read alignment results. CoverM is free software available at https://github.com/wwood/coverm. CoverM is implemented in Rust, with Python (https://github.com/apcamargo/pycoverm) and Julia (https://github.com/JuliaBinaryWrappers/CoverM_jll.jl) interfaces.

研究动机与目标

• 推动元基因组样本的基因组为中心的分析，以及读取覆盖在分箱和群落组成估计中的核心作用。
• 引入一个统一的软件包，用于计算 contigs 和 genomes 的每参考覆盖统计。
• 降低 I/O 开销，并从流式比对结果提供计算高效的覆盖统计。

提出的方法

• 使用流数据从读取比对中计算 contigs 和 genomes 的覆盖统计。
• 利用 Mosdepth 数组以实现计算效率。
• 通过处理流式读取比对结果来避免不必要的 I/O。
• 核心工具用 Rust 实现，并提供到 Python 和 Julia 的接口。

实验结果

研究问题

• RQ1 如何以统一、易用的方式为 metagenomic 的 contigs 和 genomes 计算逐参考覆盖率？
• RQ2 是否能从流式读取比对结果高效地推导出覆盖统计，而无需过多的 I/O？
• RQ3 在元基因组学中，统一覆盖框架对后续基因组回收和群落组成估计有什么价值？

主要发现

• CoverM 提供统一的方法来计算 contigs 和 genomes 的几种覆盖统计。
• 该工具使用 Mosdepth 数组以提高计算效率。
• 覆盖统计从流式读取比对结果计算，以尽量减少 I/O 开销。
• CoverM 以 Rust 实现并提供 Python 与 Julia 的接口。
• 该软件以免费/开源形式发布。