2022-12-02
宏基(ji)因組（Metagenome）和宏轉(zhuan)錄組（Metatranscriptome）是通(tong)過鳥(niao)槍(qiang)法(fa)測序技術（Shotgun sequencing），結合(he)全微生(sheng)物(wu)組關(guan)聯分(fen)析（Microbiome-Wide Association Studies，MWAS）的策略，分別從DNA/RNA水平，全面精細地展示整個微生物群落的物種組成譜、功能代謝譜、表達譜，進而從原理上闡明微生物群落在生態系統中發揮作用的根本機制。
對于(yu)數(shu)(shu)據(ju)(ju)(ju)量和信息量都非(fei)常龐大(da)的(de)宏(hong)組(zu)學研(yan)究(jiu)而(er)(er)言，選對分析(xi)軟件(jian)和數(shu)(shu)據(ju)(ju)(ju)庫至關(guan)重(zhong)要(yao)。歷(li)經多年發展(zhan)，目(mu)前能用于(yu)宏(hong)基(ji)因組(zu)和宏(hong)轉錄組(zu)分析(xi)的(de)軟件(jian)已然(ran)數(shu)(shu)不勝數(shu)(shu)，對于(yu)分析(xi)者而(er)(er)言，可謂“甜蜜的(de)煩惱”！那么，在琳瑯(lang)滿(man)目(mu)的(de)分析(xi)方法中，究(jiu)竟哪(na)些才是當前宏(hong)組(zu)學的(de)“網紅”呢？本期，我(wo)們為您推(tui)薦以下軟件(jian)和數(shu)(shu)據(ju)(ju)(ju)庫，大(da)家走過路過千萬不要(yao)錯過哦(e)~
MMseqs2
MMseqs2 (Many-against-Many sequence searching，//github.com/soedinglab/mmseqs2)是一款(kuan)集核苷酸、蛋白質序(xu)列檢索、回帖、聚(ju)類、注(zhu)釋等功能模塊于一體的強大軟件。今天(tian)，我們就來介紹(shao)MMseqs2 的taxonomy模塊。作為宏基因組微生物物種注(zhu)釋的新工(gong)具，MMseqs2_taxonomy發表在2021年的Bioinformatics上（//academic.oup.com/bioinformatics/article/37/18/3029/6178277?login=false）。
對于待注釋的氨基酸/核酸序列，MMseqs2_taxonomy 首先通過其search模塊提取數據庫中所有可能的氨基酸序列片段，并快速保留有助于分類注釋的片段，再通過加權方式確定其分類身份（如下圖A）。其亮點是在于提出了2bLCA (dual BLAST based last common ancestor) 和 a-2bLCA (Approximate 2bLCA) 算法，來解決LCA算法在實際操作過程中如何確定備選序列數目的難題，在確保穩健性的同時，顯著提高了宏基因組物種分類注釋的精準度（如圖C）。
為(wei)進(jin)(jin)一步展(zhan)示(shi)a-2bLCA算(suan)法的(de)(de)優(you)勢(shi)，小編特(te)意使用(yong)宏(hong)基(ji)因組(zu)的(de)(de)實際數據，將(jiang)該算(suan)法與(yu)LCA和TopHit算(suan)法進(jin)(jin)行(xing)了比較(jiao)（如下圖(tu)），圖(tu)中(zhong)是(shi)(shi)s1-5表(biao)示(shi)采用(yong)的(de)(de)靈敏(min)度等級(ji)。結(jie)果(guo)顯示(shi)，TopHit算(suan)法雖然獲得了精(jing)細的(de)(de)注(zhu)釋信息（更(geng)多注(zhu)釋到了species水(shui)平(ping)），但(dan)由于是(shi)(shi)單(dan)一選擇匹配(pei)度最高的(de)(de)注(zhu)釋結(jie)果(guo)，其結(jie)果(guo)并不穩健；而將(jiang)a-2bLCA的(de)(de)結(jie)果(guo)與(yu)LCA進(jin)(jin)行(xing)比較(jiao)，可以(yi)發(fa)現2bLCA算(suan)法能精(jing)確到species水(shui)平(ping)的(de)(de)序(xu)列更(geng)多。
LCA vs. 2bLCA vs. TopHit算法在(zai)不同分(fen)類水平下注釋到的序列比例
GTDB基因組分類數據庫
GTDB基因組分類數據(ju)庫（//gtdb.ecogenomic.org/），全稱Genome Taxonomy Database，它基(ji)于(yu)大量基(ji)因組(zu)系(xi)統發育分(fen)(fen)析構建(jian)(jian)的基(ji)因組(zu)分(fen)(fen)類(lei)(lei)標準流程體系(xi)，對(dui)現(xian)有的大量微生(sheng)物(wu)基(ji)因組(zu)進行了重分(fen)(fen)類(lei)(lei)。該數據(ju)庫(ku)(ku)已經于(yu)2018/2020連續發表兩篇Nature Biotechnology，配套軟(ruan)件(jian)GTDB-tk于(yu)2019發表于(yu)Bioinformatcs，在(zai)提供微生(sheng)物(wu)分(fen)(fen)類(lei)(lei)參考數據(ju)庫(ku)(ku)的同(tong)時，也提供了微生(sheng)物(wu)基(ji)因組(zu)物(wu)種分(fen)(fen)類(lei)(lei)、進化樹(shu)構建(jian)(jian)的全套工(gong)具，絕(jue)對(dui)是服務到家的好工(gong)具。
目前該數(shu)據庫涵蓋了317542個(ge)(ge)(ge)微(wei)生物基(ji)因組(zu)(zu)，由(you)311480個(ge)(ge)(ge)細菌(jun)和6062個(ge)(ge)(ge)古菌(jun)基(ji)因組(zu)(zu)組(zu)(zu)成（如下圖）；并分為65703個(ge)(ge)(ge)種(zhong)水平分類(lei)單元，由(you)62291個(ge)(ge)(ge)細菌(jun)和3412個(ge)(ge)(ge)古細菌(jun)構成（如下圖）。
下圖顯示了GTDB的(de)65703個(ge)(ge)代表基因組(zu)的(de)新(xin)注釋結果與其在(zai)NCBI分類系(xi)統中(zhong)的(de)差(cha)異(yi)分布。如(ru)(ru)果一個(ge)(ge)基因組(zu)的(de)新(xin)物種名稱(cheng)與其在(zai)NCBI分類系(xi)統中(zhong)相同，則(ze)標(biao)注為Unchanged（不改變其分類）；如(ru)(ru)果NCBI中(zhong)沒有物種分配，則(ze)標(biao)注為Passive change（被動(dong)更改）；如(ru)(ru)果其新(xin)物種名稱(cheng)與NCBI分類不同，則(ze)標(biao)注為Active change（主動(dong)更改）。
我們再使用數(shu)(shu)據(ju)實(shi)測一下，使用GTDB-prot（GDTB基(ji)因(yin)組(zu)(zu)數(shu)(shu)據(ju)庫(ku)中(zhong)提取的(de)蛋白序列數(shu)(shu)據(ju)庫(ku)）和NCBI-nr數(shu)(shu)據(ju)庫(ku)進行蛋白序列注(zhu)釋的(de)效果（如(ru)下圖，注(zhu)意，我們只統計了(le)原核部分），可(ke)以發現GTDB與2bLCA的(de)組(zu)(zu)合(he)結果最為高(gao)效，且GTDB相比于NR數(shu)(shu)據(ju)庫(ku)在原核微生物注(zhu)釋的(de)精細程度方面更(geng)具(ju)優(you)勢。
GTDB數據庫與NR數據庫2bLCA vs. TopHit算法的結果比較
MMseqs2在其發(fa)表的(de)(de)文(wen)章(zhang)中(zhong)聲稱(cheng)比CAT工(gong)具快2-18倍，而CAT在今年(nian)推出的(de)(de)更(geng)快的(de)(de)diamond2 軟件(jian)(jian) (這個(ge)軟件(jian)(jian)我(wo)們會在下(xia)一期(qi)具體評測(ce)) 的(de)(de)加持下(xia)，在速度上也許可以超過MMseqs2。盡管如此(ci)，為了(le)使用2bLCA算法(fa)，以便(bian)獲得(de)更(geng)準確的(de)(de)注釋信息，我(wo)們仍舊(jiu)推薦(jian)使用MMseqs2_taxonomy作為宏基因組(zu)微生物物種注釋的(de)(de)最佳(jia)方(fang)法(fa)。
此外，由于(yu)GTDB數據庫中僅有原核(he)生(sheng)物的(de)(de)信(xin)息，若想獲得(de)更(geng)為全面的(de)(de)注釋結(jie)果，或許可以考慮將(jiang)NCBI-nr中的(de)(de)真核(he)序列(lie)、病毒(du)序列(lie)與GTDB-prot進行(xing)整合，這樣運用(yong)于(yu)宏(hong)基(ji)因組物種注釋將(jiang)更(geng)為得(de)心應手。
以上就是我們(men)本期精心整理的宏(hong)組學軟件和(he)數(shu)(shu)據庫推薦，在此給大家(jia)拋磚引玉啦~這些(xie)軟件和(he)數(shu)(shu)據庫，都將納(na)入派森諾最新宏組學分析流程中，歡迎大(da)家嘗(chang)鮮體驗！
