macでインフォマティクス

macでインフォマティクス

NGS関連のインフォマティクス情報についてまとめています。

DAS_Tool

 

 Genome-resolved metagenomics は、環境ショットガンDNAシーケンシングデータからのゲノムの再構築をターゲットとする。ゲノム配列に基づいて、個々の生物の代謝経路を推論することができ、微生物群におけるそれらの生活様式を予測することができる。シーケンス断片の複雑なmixturesからゲノムを回収するというチャレンジは、パズルの数がどれくらいで、どのように見えるかを知らずに多数のパズルの混合物からジグソーパズルを組み立てることに匹敵する。驚くべきことではないが、所望の結果を達成するために強力なバイオインフォマティクス法が必要とされる。

 初期のアプローチでは、主に、共有されたGCカバレッジを利用したが(論文より ref.1)、より複雑な生態系からのコンティグをビニングするには、テトラヌクレオチド頻度などの配列構成を考慮した高度な方法が必要だった(ref.2,3)。シーケンス構成分析は、 emergent self-organizing maps (ESOM)で実装され、メタゲノムからゲノムを首尾よく抽出した。ユーザー定義のクラスタリングを含むESOMベースのアプローチは、多くの異なる環境からゲノムのドラフトを回復するために広く使用されてきたが、土壌や堆積物などの複雑なデータセットには限界がある(ref.5,6)。ビニング手法の大きな進歩は、サンプルシリーズ全体にわたる生物存在量のパターンがビニングシグネチャであることを認識したことであった(ref.7,8)。

 微生物リファレンスゲノムの数が非常に少なかったため、メタゲノム時代の初期のphylogeneticプロファイル情報は最小限であった。しかしながら、phylogeneticシグナルは、リファレンスゲノム配列の数が増加するにつれて増大し続ける。

 現在の最先端のbinnersは、配列の存在量と組成を1つのモデルに統合する(ref.9,10,11,12)、さらにそれらのうちのいくつかは参照データベースのマーカー遺伝子を使用する(ref.13,14)。完全性と予測されたビンの汚染に関して品質評価は不可欠であり、シングルコピーマーカー遺伝子の頻度に基づいて推定することができる(ref.15,16)。

 既存のビニングツールは、広く受け入れられている機能とクラスタリングアルゴリズムに基づいており、それぞれのpublicationsで分析されたデータセットを使用してベンチマークされている。実際、ほとんどのビニング方法は、比較的単純なコミュニティ(例えば、早産児の腸内データセット(ref.7)を用いて実証されている。しかし、これらのメソッドを他のサンプルに適用すると、生成されるビンの値は不確実である。ここでは、一連の確立されたビニング方法のパフォーマンスを、複雑さが劇的に変化する一連の生態系からのデータに適用することによってそのパフォーマンスをテストした。著者らは、すべての生態系でうまくいったアプローチがないことを発見した(論文の図を参照)。さらに、多くの不完全ビンおよびmulti-genome のメガビンが予測された。さまざまなビニング性能と、さまざまなツールが完全性のレベルを変えて異なるゲノムを再構築するという事実は、複数のビニングアルゴリズムの予測結果を統合する戦略の開発を促した。

Probst et al は 3つのビニング法の結果を組み合わせ、キュレーションし、地下の帯水層環境から再構成されたニアコンプリートゲノムの総数を、1つの方法(ref.17)よりも増加させた。自動ビンニングコンビネーションアプローチは、ビンの汚染を全体的に減らすことができたが、全体的な完全性も低下させた(ref.18)。これらの発見は、dereplication、aggregation、 scoring tool (DAS Tool)の開発を促した。 DASツールは、flexibleな数のビニングアルゴリズムを統合して、単一のアセンブリから最適化された非冗長なビンセットを計算する自動化された方法である。この手法が単一のツールを使用した場合よりも多くの高品質ゲノムを生成することを示す。

 

DAS_Toolに関するツイート

 

インストール

依存

Github

git clone https://github.com/cmks/DAS_Tool.git
cd DAS_Tool/

# Install R-packages:
R CMD INSTALL ./package/DASTool_1.1.1.tar.gz

# Unzip SCG database:
unzip ./db.zip -d db

またはdockerイメージを使う(リンク)。

docker pull shengwei/das_tool
docker rn -it shengwei/das_tool

> ./DAS_Tool 

$ ./DAS_Tool 

 

DAS Tool version 1.1.1

 

Usage: DAS_Tool -i methodA.scaffolds2bin,...,methodN.scaffolds2bin

                -l methodA,...,methodN -c contigs.fa -o myOutput

 

   -i, --bins                 Comma separated list of tab separated scaffolds to bin tables.

   -c, --contigs              Contigs in fasta format.

   -o, --outputbasename       Basename of output files.

   -l, --labels               Comma separated list of binning prediction names. (optional)

   --search_engine            Engine used for single copy gene identification [blast/diamond/usearch].

                              (default: usearch)

   --write_bin_evals          Write evaluation for each input bin set [0/1]. (default: 1)

   --create_plots             Create binning performance plots [0/1]. (default: 1)

   --write_bins               Export bins as fasta files  [0/1]. (default: 0)

   --write_unbinned           Export unbinned contigs as fasta file. Only has an effect when write_bins==1 [0/1]. (default: 0)

   --proteins                 Predicted proteins in prodigal fasta format (>scaffoldID_geneNo).

                              Gene prediction step will be skipped if given. (optional)

   -t, --threads              Number of threads to use. (default: 1)

   --score_threshold          Score threshold until selection algorithm will keep selecting bins [0..1].

                              (default: 0.5)

   --duplicate_penalty        Penalty for duplicate single copy genes per bin (weight b).

                              Only change if you know what you're doing. [0..3]

                              (default: 0.6)

   --megabin_penalty          Penalty for megabins (weight c). Only change if you know what you're doing. [0..3]

                              (default: 0.5)

   --db_directory             Directory of single copy gene database. (default: install_dir/db)

   --resume                   Use existing predicted single copy gene files from a previous run [0/1]. (default: 0)

   --debug                    Write debug information to log file.

   -v, --version              Print version number and exit.

   -h, --help                 Show this message.

 

Example 1: Run DAS Tool on binning predictions of MetaBAT, MaxBin, CONCOCT and tetraESOMs. Output files will start with the prefix DASToolRun1: 

   DAS_Tool -i sample_data/sample.human.gut_concoct_scaffolds2bin.tsv,sample_data/sample.human.gut_maxbin2_scaffolds2bin.tsv,sample_data/sample.human.gut_metabat_scaffolds2bin.tsv,sample_data/sample.human.gut_tetraESOM_scaffolds2bin.tsv -l concoct,maxbin,metabat,tetraESOM -c sample_data/sample.human.gut_contigs.fa -o sample_output/DASToolRun1

 

Example 2:  Run DAS Tool again with different parameters. Use the proteins predicted in Example 1 to skip the gene prediction step. Set the number of threads to 2 and score threshold to 0.1. Output files will start with the prefix DASToolRun2: 

   DAS_Tool -i sample_data/sample.human.gut_concoct_scaffolds2bin.tsv,sample_data/sample.human.gut_maxbin2_scaffolds2bin.tsv,sample_data/sample.human.gut_metabat_scaffolds2bin.tsv,sample_data/sample.human.gut_tetraESOM_scaffolds2bin.tsv -l concoct,maxbin,metabat,tetraESOM -c sample_data/sample.human.gut_contigs.fa -o sample_output/DASToolRun2 --threads 2 --score_threshold 0.6 --proteins sample_output/DASToolRun1_proteins.faa

 

 

Please cite: Sieber et al., 2018, Nature Microbiology (https://doi.org/10.1038/s41564-018-0171-1).

 

 

テストラン

MetaBAT、MaxBin、CONCOCT、tetraESOMsのデータを使用

DAS_Tool -i sample_data/sample.human.gut_concoct_scaffolds2bin.tsv,\
sample_data/sample.human.gut_maxbin2_scaffolds2bin.tsv,\
sample_data/sample.human.gut_metabat_scaffolds2bin.tsv,\
sample_data/sample.human.gut_tetraESOM_scaffolds2bin.tsv \
-l concoct,maxbin,metabat,tetraESOM \
-c sample_data/sample.human.gut_contigs.fa \
-t 1
-o sample_output/DASToolRun1

 複数ファイルが出力される。

f:id:kazumaxneo:20181001164137j:plain

DASToolRun1_DASTool_hqBins.pdf

f:id:kazumaxneo:20181001164206j:plain

DASToolRun1_DASTool_scores.pdf

f:id:kazumaxneo:20181001164228j:plain

summary(TSVファイルをexcelで表示した)

f:id:kazumaxneo:20181001164745j:plain

 Output files

  • Summary of output bins including quality and completeness estimates (DASTool_summary.txt).
  • Scaffolds to bin file of output bins (DASTool_scaffolds2bin.txt).
  • Quality and completeness estimates of input bin sets, if --write_bin_evals 1 is set ([method].eval).
  • Plots showing the amount of high quality bins and score distribution of bins per method, if --create_plots 1 is set (DASTool_hqBins.pdf, DASTool_scores.pdf).
  • Bins in fasta format if --write_bins 1 is set (DASTool_bins).

Githubより。 

  

引用

Recovery of genomes from metagenomes via a dereplication, aggregation and scoring strategy
Christian M. K. Sieber, Alexander J. Probst, Allison Sharrar, Brian C. Thomas, Matthias Hess, Susannah G. Tringe, Jillian F. Banfield
Nat Microbiol. 2018 Jul;3(7):836-843

 

関連ツール