宏基因組技術(shù)的出現(xiàn)改變了微生物研究的方式手蝎，其減少了對(duì)微生物培養(yǎng)的依賴(lài)擎浴，通過(guò)無(wú)偏倚的方式實(shí)現(xiàn)更快速的物種檢測(cè)和新物種的發(fā)現(xiàn)公壤。由于宏基因組是從復(fù)雜樣本而不是單一物種中獲得基因組信息暮刃，因此該領(lǐng)域的主要挑戰(zhàn)之一是開(kāi)發(fā)鑒定這些樣本中所有物種的分析工具融师。

目前已經(jīng)開(kāi)發(fā)了許多用于宏基因組數(shù)據(jù)分類(lèi)的工具，來(lái)自美國(guó)的研究人員在《Cell》發(fā)表關(guān)于宏基因組物種分類(lèi)工具的綜述：回顧了當(dāng)前的宏基因組分析方法轻要，并使用模擬和實(shí)驗(yàn)數(shù)據(jù)集評(píng)估了常用宏基因組物種分類(lèi)工具的性能复旬，并展望了宏基因組數(shù)據(jù)分析的未來(lái)。

常用宏基因組物種分類(lèi)工具性能測(cè)評(píng)

研究團(tuán)隊(duì)將一系列豐度閾值的查準(zhǔn)率冲泥、查全率以及總體豐度概況作為主要基準(zhǔn)指標(biāo)驹碍，針對(duì)常用宏基因組物種分類(lèi)工具進(jìn)行了性能測(cè)評(píng)壁涎。

測(cè)評(píng)結(jié)果

分類(lèi)工具的定性特征描述

研究團(tuán)隊(duì)使用查準(zhǔn)率-查全率曲線（precision-recall curve）下面積輸出分?jǐn)?shù)來(lái)評(píng)估查準(zhǔn)率、查全率志秃。

當(dāng)使用默認(rèn)數(shù)據(jù)庫(kù)時(shí)怔球，大多數(shù)工具在AUPR方面表現(xiàn)良好，鑒定到“種”的得分超過(guò)0.8浮还。其中竟坛，MetaPhlAn2和mOTUs2，由于基于標(biāo)記的數(shù)據(jù)庫(kù)有限钧舌，性能較低担汤；Centrifuge默認(rèn)數(shù)據(jù)庫(kù)被顯著地有損壓縮，導(dǎo)致查全率較低洼冻。

當(dāng)使用RefSeq CG數(shù)據(jù)庫(kù)時(shí)崭歧，分類(lèi)工具的AUPR得分略低于它們自帶的默認(rèn)數(shù)據(jù)庫(kù)，這種差異在基于蛋白質(zhì)的方法中最為明顯撞牢。

AUPR得分

接下來(lái)研究團(tuán)隊(duì)計(jì)算了所有物種的分類(lèi)豐度和真實(shí)豐度之間的L2距離率碾，以評(píng)估工具豐度分布的準(zhǔn)確性。

使用長(zhǎng)k-mers (>30 nt)的基于DNA的分類(lèi)工具屋彪，如Kraken和taxMaps是得分最高的方法所宰，與真實(shí)值之間的典型平均L2距離低于0.1『嘲啵基于標(biāo)記和蛋白質(zhì)的分類(lèi)工具都有較高的L2距離歧匈。Bracken在“種”水平上提供了更準(zhǔn)確的豐度垒酬。

與默認(rèn)數(shù)據(jù)庫(kù)相比砰嘁，使用RefSeq CG數(shù)據(jù)庫(kù)時(shí)大多數(shù)工具的豐度距離沒(méi)有太大變化，不過(guò)Centrifuge是個(gè)例外勘究，不使用其默認(rèn)數(shù)據(jù)庫(kù)Centrifuge的性能顯著改善矮湘。

將所有工具的L2距離做聚類(lèi)以評(píng)估它們的相似度。MegaBLAST和prophyle稍微落在緊密的主聚類(lèi)之外口糕；基于標(biāo)記的方法MetaPhlAn2和mOTUs2的豐度估算值與基于DNA和蛋白質(zhì)的分類(lèi)工具有很大的不同缅阳。

豐度分布的準(zhǔn)確性（L2距離）??

分類(lèi)工具在“種”水平上分類(lèi)的reads數(shù)比例差異很大。

在“種”水平上的分類(lèi)比例

假陽(yáng)性分類(lèi)是基因組測(cè)序數(shù)據(jù)分析的主要挑戰(zhàn)景描，可能受實(shí)驗(yàn)（如PCR的重復(fù)十办、實(shí)驗(yàn)過(guò)程引入污染）和分析因素的影響，尤其是在考慮人類(lèi)臨床樣本時(shí)超棺，在參考數(shù)據(jù)庫(kù)中包括已知或可疑的宿主基因組是減少假陽(yáng)性分類(lèi)的第一個(gè)重要步驟向族。

為了評(píng)估分類(lèi)工具的假陽(yáng)性分類(lèi)率，研究團(tuán)隊(duì)將模擬數(shù)據(jù)的分類(lèi)工具輸出與實(shí)際體外樣本的測(cè)序數(shù)據(jù)進(jìn)行比較棠绘。

對(duì)于模擬DNA件相，在查全20個(gè)真實(shí)物種后再扭，一些工具中出現(xiàn)了額外的假陽(yáng)性物種，豐度低于0.5%夜矗，而大多數(shù)分類(lèi)工具稱(chēng)之為假陽(yáng)性物種泛范，豐度低于0.01%。根據(jù)方法的不同紊撕，不同物種的假陽(yáng)性數(shù)量從數(shù)十（Bracken和MetaPhlAn2）到數(shù)千（Centrifuge, CLARK, Kaiju, MMseqs2, PathSeq）不等罢荡。與模擬DNA相比，測(cè)序的DNA在較低的豐度下表現(xiàn)出相似的數(shù)量和假陽(yáng)性增長(zhǎng)逛揩，且測(cè)序DNA和RNA數(shù)據(jù)集的豐度估計(jì)更不準(zhǔn)確柠傍。

假陽(yáng)性分類(lèi)率及來(lái)源

計(jì)算資源測(cè)評(píng)

宏基因組學(xué)領(lǐng)域正在接近其發(fā)展軌跡上的一個(gè)關(guān)鍵里程碑。近年來(lái)已經(jīng)開(kāi)發(fā)了一系列綜合性能良好的分析工具辩稽，使用戶(hù)可以根據(jù)自己的特定問(wèn)題惧笛、計(jì)算環(huán)境、目標(biāo)分類(lèi)群和其他偏好選擇數(shù)據(jù)的分析方法逞泄，這使得宏基因組測(cè)序分析比以往任何時(shí)候都更容易進(jìn)行患整。然而，許多分類(lèi)工具仍然需要解決大量低豐度假陽(yáng)性出現(xiàn)的問(wèn)題喷众。除此之外各谚，還需要在許多方面取得更大的突破，包括控制污染和誤差的實(shí)驗(yàn)來(lái)源到千，以及處理參考數(shù)據(jù)庫(kù)數(shù)據(jù)的指數(shù)增長(zhǎng)昌渤，從而使宏基因組分類(lèi)向微生物檢測(cè)和特征描述轉(zhuǎn)變。

首發(fā)公號(hào)：國(guó)家基因庫(kù)大數(shù)據(jù)平臺(tái)??

參考文獻(xiàn)

Simon H Y, Siddle K J, Park D J, et al. Benchmarking metagenomics tools for taxonomic classification[J]. Cell, 2019, 178(4): 779-794.

圖片來(lái)源：均來(lái)源于參考文獻(xiàn)憔四，如有侵權(quán)請(qǐng)聯(lián)系刪除膀息。