有許多方法可以切割和切割基因組數(shù)據(jù)以識(shí)別一種細(xì)菌，或者至少找到它的近親。但萊斯大學(xué)的一位計(jì)算機(jī)科學(xué)家表示，對(duì)基因組進(jìn)行測(cè)序的快速技術(shù)已經(jīng)充斥著公共數(shù)據(jù)庫(kù)并且以一種偏見(jiàn)的方式，包含了許多關(guān)于某些物種的基因組數(shù)據(jù)，而對(duì)其他物種則不夠。

Todd Treangen及其同事測(cè)試了分類(lèi)學(xué)分類(lèi)方法，這些方法將目標(biāo)細(xì)菌的基因組序列與大型數(shù)據(jù)庫(kù)中記錄的基因組序列進(jìn)行匹配，以識(shí)別物種。在此過(guò)程中，他們制定了提高準(zhǔn)確性和靈敏度的途徑。

Treangen是本月發(fā)表在Genome Biology上的一項(xiàng)研究的資深作者，該研究表明，在一個(gè)廣泛使用的聯(lián)邦數(shù)據(jù)庫(kù) -國(guó)家生物技術(shù)信息中心的RefSeq中，隨時(shí)間的變化如何影響了宏基因組分類(lèi)方法的準(zhǔn)確性。

宏基因組學(xué)專(zhuān)家Treangen(環(huán)境樣品遺傳物質(zhì)研究)的主要關(guān)注點(diǎn)是保持快速鑒定對(duì)公眾健康構(gòu)成威脅的細(xì)菌的能力。

大數(shù)據(jù)具有獨(dú)特的優(yōu)勢(shì)，可以做到這一點(diǎn) - 但它有很多。他說(shuō)，目前，低成本，高通量的DNA鳥(niǎo)槍測(cè)序機(jī)從微生物集合中讀取短DNA序列，每?jī)傻饺昃蜁?huì)使RefSeq 的基因組數(shù)據(jù)翻倍。

“我最初認(rèn)為這些方法的數(shù)據(jù)總是更好，”Treangen說(shuō)，他今年從馬里蘭大學(xué)高級(jí)計(jì)算機(jī)研究所加入賴(lài)斯。“你會(huì)期望沒(méi)有懲罰，因?yàn)閿?shù)據(jù)庫(kù)的增長(zhǎng)是好的。” 然而，研究人員發(fā)現(xiàn)，RefSeq中的細(xì)菌數(shù)據(jù)在分類(lèi)層次的物種水平上具有巨大的影響，并且以驚人的速度增長(zhǎng)。

對(duì)于將兩種常用技術(shù)結(jié)合起來(lái)以確定其發(fā)現(xiàn)的研究人員而言，這是一個(gè)問(wèn)題。一種稱(chēng)為基于k聚體的分類(lèi)，其通過(guò)精確匹配鑒定來(lái)自細(xì)菌樣品中所有生物的短DNA序列。

“大多數(shù)使問(wèn)題在計(jì)算上可行的方法依賴(lài)于k-mers，它們與長(zhǎng)度'k'完全匹配，或者是數(shù)據(jù)庫(kù)中包含的微生物的關(guān)鍵，”他說(shuō)。“如果順序讀取與數(shù)據(jù)庫(kù)中的某些內(nèi)容完全匹配，那么直覺(jué)就是你能夠以更高的精度說(shuō)明這是什么，并且更快捷的計(jì)算方法。”

他說(shuō)，一種常用的基于k-mer分類(lèi)的技術(shù)是最低共同祖先(LCA)分配。LCA將樣本與共享匹配的序列進(jìn)行比較，如果需要，將它們分配到分類(lèi)中的更高級(jí)別，例如屬而不是物種。但他說(shuō)，對(duì)于試圖確定病原體的研究人員來(lái)說(shuō)，這可能不夠具體。

事實(shí)上，該研究發(fā)現(xiàn)了一種名為Bracken的基于k-mer的分類(lèi)工具，該工具使用貝葉斯統(tǒng)計(jì)來(lái)推斷序列的最佳匹配，有助于緩解不平衡。即便如此，它仍難以在數(shù)據(jù)庫(kù)中識(shí)別與近親相關(guān)的基因組，但不能完美匹配。

Treangen說(shuō)，對(duì)特定病原體的資金充足的研究是必要的，并且極大地幫助了快速爆發(fā)檢測(cè)和跟蹤，但它最終偏向像RefSeq這樣的公共數(shù)據(jù)庫(kù)。

“例如，對(duì)食源性病原體存在巨大偏見(jiàn)，”他說(shuō)。“社會(huì)希望對(duì)沙門(mén)氏菌有很多了解，這是理所當(dāng)然的。美國(guó)食品和藥物管理局，特別是GenomeTrakr，已經(jīng)幫助對(duì)數(shù)千種相關(guān)病原體進(jìn)行測(cè)序，并將它們直接添加到參考數(shù)據(jù)庫(kù)中。”

然而，他說(shuō)，將參考數(shù)據(jù)庫(kù)偏向特定屬和微生物家族的方式會(huì)影響使用k-mer和LCA方法的快速分類(lèi)學(xué)分類(lèi)工具(如Kraken)的準(zhǔn)確性和靈敏度。

Treangen說(shuō)最近最好的假陽(yáng)性鑒定實(shí)例是一項(xiàng)最初報(bào)告紐約市地鐵炭疽細(xì)菌證據(jù)的研究。該研究基于來(lái)自樣本的測(cè)序基因組，后來(lái)進(jìn)行了修訂，以反映錯(cuò)誤識(shí)別序列為炭疽芽孢桿菌的錯(cuò)配。

雖然對(duì)公共衛(wèi)生的關(guān)注是一個(gè)關(guān)鍵的優(yōu)先事項(xiàng)，但Treangen說(shuō)，需要能夠應(yīng)對(duì)數(shù)據(jù)庫(kù)增長(zhǎng)和噪聲的新技術(shù)，以及增加序列基因組的廣度，以便在該領(lǐng)域持續(xù)改進(jìn)。“例如，來(lái)自土壤和海洋的微生物嚴(yán)重欠采樣，”他說(shuō)。“我們需要繼續(xù)排序以更好地填充公共數(shù)據(jù)庫(kù)，這將最終有助于我們從復(fù)雜樣本中準(zhǔn)確分類(lèi)微生物的能力。”