当前位置:生物帮 > 国外研究 > 基因&基因组 > 正文

Nucleic Acids Research发布宏基因组分析新工具

相关专题:
摘要 : 随着测序技术的发展,宏基因组学逐渐成为了新的热门领域。宏基因组学主要是鉴定环境样本中的所有微生物,理解它们各自所起的作用。这类研究比一般的基因组分析更需要计算机技术的帮助,因为宏基因组学研究的是不同基因组的混合物。

随着测序技术的发展,宏基因组学逐渐成为了新的热门领域。宏基因组学主要是鉴定环境样本中的所有微生物,理解它们各自所起的作用。这类研究比一般的基因组分析更需要计算机技术的帮助,因为宏基因组学研究的是不同基因组的混合物。

美国Los Alamos国家实验室的科学家们在本周的Nucleic Acids Research杂志上,向人们展示了一个宏基因组分析的新工具,有助于对各种微生物群体(包括海洋、土壤和肠道微生物)进行DNA分析。

宏基因组学是指用基因组方法研究整个微生物群体,比如说测序整个微生物群体的DNA,”领导这项研究的Patrick Chain说。“这类研究会产生海量需要整理的数据,只有正确处理这些数据我们才能了解群体中的生物及其功能。”

“我们为快速发展的宏基因组领域提供了新的工具,”Chain说。“它能在核酸数据中寻找符合要求的独特序列,”可以对鸟枪法宏基因组学数据进行非常精确的分类。

研究人员将自己开发的新工具称为GOTTCHA(Genomic Origins Through Taxonomic CHAllenge)。GOTTCHA使用经过预先处理的参照基因组数据库(只保留分类学上的独特基因组片段),然后在此基础上分类不同的宏基因组序列(或“读取”)。

这一工具可以在复杂样本中进行物种鉴定和相对丰度分析,能够同时鉴定细菌和病毒序列,而且使用起来非常灵活。

“相信GOTTCHA会成为宏基因组数据分析的宝贵资源。它对临床诊断特别有帮助,因为诊断中不能有过高的假阴性和假阳性率,分析特定菌种的相对丰度也很重要,”Chain说。GOTTCHA可以帮助人们在复杂的背景中鉴定病原体,比如在临床样本中评估共感染(co-infection)情况。

研究人员在20个人工合成的模拟数据集中测试并验证了GOTTCHA,覆盖了多种群体组成和复杂性。GOTTCHA也被成功用于难以处理的环境和临床样本,表现出超越其他现有方法的卓越性能。

原文链接:Accurate read-based metagenomecharacterization using a hierarchical suite ofunique signatures

A major challenge in the field of shotgun metagenomics is the accurateidentification of organisms present within a microbial community, based on classification of short sequence reads. Though existing microbial community profiling methods have attempted to rapidly classify the millions of reads output from modern sequencers, the combination ofincomplete databases, similarity among otherwise divergent genomes, errors and biases in sequencing technologies, and the large volumes ofsequencing data required for metagenome sequencing has led to unacceptably high false discovery rates (FDR). Here, we present theapplication of a novel, gene-independent and signature-based metagenomic taxonomic profiling method with significantly and consistently smaller FDR than any other available method. Our algorithm circumvents false positives using a series of non-redundant signature databases and examines Genomic Origins Through TaxonomicCHAllenge (GOTTCHA). GOTTCHA was tested and validated on 20 synthetic and mock datasets ranging in community composition and complexity, was applied successfully to data generated from spiked environmental and clinical samples, and robustly demonstrates superior performance compared with other available tools.

作者:Patrick Chain 点击:

    热门文章TOP