ショットガンシーケンシングのMetagenomicsにより、微生物のコミュニティとそのメンバーを研究できる。進化的発散とこれらのメンバーの豊富さは大きな違いがあり、strainレベルの非常にclosely relatedなメンバーだったり、進化的に大きく離れていたり、豊富さ(abundance)が数桁異なることもある。ゲノムビニングソフトウェアは、メタゲノミックリードまたはアセンブリ配列を、コミュニティメンバーのゲノムを表すビンに紐解く (deconvolutes)。ゲノムビニングの一般的で実践的なアプローチは、1つ以上の共同アセンブリにわたってカバレッジとshort k-mer組成が共変動することを用いるが、ストレインレベルの多様性が存在するとビン品質は実質的に低下する[ref. 1]。
アセンブリやプロファイリングなどのメタゲノミクスベンチマーク方法は、ユーザーとメソッド開発者にとって重要である。前者は、特定のアプリケーションやデータセットに最適なプログラムとパラメータ化を決定する必要があり、後者は、新規または改善された方法を既存のものと比較する必要がある。評価ソフトウェアや標準化されたメトリクスがない場合、どちらも個別にメソッドを評価するためにかなりの労力を費やす必要がある。The Critical Assessment of Metagenome Interpretation （CAMI）は、ベンチマーク・データセットとパフォーマンス・メトリックの設計を含む評価基準とベスト・プラクティスを確立することによって、この問題に取り組むことを目指す、コミュニティ主導の取り組みである[ref.1、2 pubmed, link]。コミュニティの要求と提案に従って、最初のCAMIの課題は、参加者が集合体、分類学的およびゲノムのビニング、および分類学的プロファイリングの結果を提出することができる、異なる生物学的複雑性を有する微生物群集のメタゲノムデータセットを提供した。その後、コミュニティによって選択されたメトリックを使用して評価された[ref.1]。ここでは、メタゲノムベンチマークデータセットからのゲノムビニング再構成の比較評価のためのAssessment of Metagenome BinnERs（AMBER）ソフトウェアパッケージについて説明する。このツールは最初のCAMIの課題であった、ゲノム再構築の質を評価するのに最も関連するすべての指標を実装しており、任意のベンチマークデータセットに適用可能である。 AMBERは、フラットファイルでビニング品質評価出力を自動的に生成し、サマリーテーブル、ランキング、イメージ内のビジュアライゼーション、インタラクティブHTMLページとして生成する。AMBERは、シングルコピーマーカー遺伝子のセットに基づいてメタゲノムサンプルのビン品質を評価する人気のCheckMソフトウェアを補完する[ref.3]。
インストール
ubuntu16.04のpython3.5.0環境でテストした。
依存
- numpy==1.13.0
- biopython==1.69.0
- matplotlib==2.0.2
- bokeh==0.12.9
- pandas==0.20.3
- seaborn==0.8.1
Optional
- tox, for automatic tests
- LaTeX, for combining plots into a PDF file with tool src/create_summary_pdf.py
pip3 install cami-amber
usage: AMBER [-h] -g GOLD_STANDARD_FILE [-f FASTA_FILE] [-l LABELS]
[-p FILTER] [-r REMOVE_GENOMES] [-k KEYWORD] -o OUTPUT_DIR [-m]
[-x MIN_COMPLETENESS] [-y MAX_CONTAMINATION] [-v]
bin_files [bin_files ...]
Compute all metrics and figures for one or more binning files; output summary
to screen and results per binning file to chosen directory
positional arguments:
bin_files Binning files
optional arguments:
-h, --help show this help message and exit
-g GOLD_STANDARD_FILE, --gold_standard_file GOLD_STANDARD_FILE
Gold standard - ground truth - file
-f FASTA_FILE, --fasta_file FASTA_FILE
FASTA or FASTQ file with sequences of gold standard
(required if gold standard file misses column _LENGTH)
-l LABELS, --labels LABELS
Comma-separated binning names
-p FILTER, --filter FILTER
Filter out [FILTER]% smallest bins (default: 0)
-r REMOVE_GENOMES, --remove_genomes REMOVE_GENOMES
File with list of genomes to be removed
-k KEYWORD, --keyword KEYWORD
Keyword in the second column of file with list of
genomes to be removed (no keyword=remove all genomes
in list)
-o OUTPUT_DIR, --output_dir OUTPUT_DIR
Directory to write the results to
-m, --map_by_completeness
Map genomes to bins by maximizing completeness
-x MIN_COMPLETENESS, --min_completeness MIN_COMPLETENESS
Comma-separated list of min. completeness thresholds
(default %: 50,70,90)
-y MAX_CONTAMINATION, --max_contamination MAX_CONTAMINATION
Comma-separated list of max. contamination thresholds
(default %: 10,5)
-v, --version show program's version number and exit
——
または著者らが用意したdockerイメージを使う。
git clone https://github.com/CAMI-challenge/AMBER.git
cd AMBER/
docker build -t cami/amber:latest .
docker run -v \
$(pwd)/input/gold_standard.fasta:/bbx/input/gold_standard.fasta \
-v $(pwd)/input/gsa_mapping.binning:/bbx/input/gsa_mapping.binning \
-v $(pwd)/input/test_query.binning:/bbx/input/test_query.binning \
-v $(pwd)/output:/bbx/output \
-v $(pwd)/input/biobox.yaml:/bbx/input/biobox.yaml \
cami/amber:latest default
テストラン
cd AMBER/
python3 amber.py -g test/gsa_mapping.binning \
-l "MaxBin 2.0, CONCOCT, MetaBAT" \
-p 1 \
-r test/unique_common.tsv \
-k "circular element" \
test/naughty_carson_2 \
test/goofy_hypatia_2 \
test/elated_franklin_0 \
-o output_dir/
出力(output_dir/)
> ls -alth /data/output_dir/
$ ls -alth /data/output_dir/
total 744K
drwxr-xr-x 15 kazu kazu 510 Oct 13 03:24 ..
drwxrwxr-x 29 kazu kazu 986 Oct 13 03:23 .
-rw-rw-r-- 1 kazu kazu 82K Oct 13 03:23 summary.html
-rw-rw-r-- 1 kazu kazu 88K Oct 13 03:23 purity_completeness_per_bin.eps
-rw-rw-r-- 1 kazu kazu 26K Oct 13 03:23 purity_completeness_per_bin.pdf
-rw-rw-r-- 1 kazu kazu 45K Oct 13 03:23 purity_completeness_per_bin.png
-rw-rw-r-- 1 kazu kazu 310 Oct 13 03:23 rankings.txt
-rw-rw-r-- 1 kazu kazu 25K Oct 13 03:23 boxplot_completeness.eps
-rw-rw-r-- 1 kazu kazu 14K Oct 13 03:23 boxplot_completeness.pdf
-rw-rw-r-- 1 kazu kazu 19K Oct 13 03:23 boxplot_completeness.png
-rw-rw-r-- 1 kazu kazu 20K Oct 13 03:23 boxplot_completeness_wo_legend.eps
-rw-rw-r-- 1 kazu kazu 24K Oct 13 03:23 boxplot_purity.eps
-rw-rw-r-- 1 kazu kazu 13K Oct 13 03:23 boxplot_purity.pdf
-rw-rw-r-- 1 kazu kazu 16K Oct 13 03:23 boxplot_purity.png
-rw-rw-r-- 1 kazu kazu 19K Oct 13 03:23 boxplot_purity_wo_legend.eps
-rw-rw-r-- 1 kazu kazu 36K Oct 13 03:23 ari_vs_assigned_bps.eps
-rw-rw-r-- 1 kazu kazu 15K Oct 13 03:23 ari_vs_assigned_bps.pdf
-rw-rw-r-- 1 kazu kazu 48K Oct 13 03:23 ari_vs_assigned_bps.png
-rw-rw-r-- 1 kazu kazu 16K Oct 13 03:23 avg_purity_completeness.pdf
-rw-rw-r-- 1 kazu kazu 37K Oct 13 03:23 avg_purity_completeness_per_bp.eps
-rw-rw-r-- 1 kazu kazu 16K Oct 13 03:23 avg_purity_completeness_per_bp.pdf
-rw-rw-r-- 1 kazu kazu 52K Oct 13 03:23 avg_purity_completeness_per_bp.png
-rw-rw-r-- 1 kazu kazu 40K Oct 13 03:23 avg_purity_completeness.eps
-rw-rw-r-- 1 kazu kazu 51K Oct 13 03:23 avg_purity_completeness.png
drwxrwxr-x 7 kazu kazu 238 Oct 13 03:23 elated_franklin_0
drwxrwxr-x 7 kazu kazu 238 Oct 13 03:23 goofy_hypatia_2
-rw-rw-r-- 1 kazu kazu 9.8K Oct 13 03:23 legend.eps
drwxrwxr-x 7 kazu kazu 238 Oct 13 03:23 naughty_carson_2
-rw-rw-r-- 1 kazu kazu 687 Oct 13 03:23 summary.tsv
評価内容
- avg_purity: purity averaged over genome bins
- std_dev_purity: standard deviation of purity averaged over genome bins
- sem_purity: standard error of the mean of purity averaged over genome bins
- avg_completeness: completeness averaged over genome bins
- std_dev_completeness: standard deviation of completeness averaged over genome bins
- sem_completeness: standard error of the mean of completeness averaged over genome bins
- avg_purity_per_bp: average purity per base pair
- avg_completeness_per_bp: average completeness per base pair
- rand_index_by_bp: Rand index weighed by base pairs
- rand_index_by_seq: Rand index weighed by sequence counts
- a_rand_index_by_bp: adjusted Rand index weighed by base pairs
- a_rand_index_by_seq: adjusted Rand index weighed by sequence counts
- percent_assigned_bps: percentage of base pairs that were assigned to bins
- accuracy: accuracy
- >0.5compl<0.1cont: number of bins with more than 50% completeness and less than 10% contamination
- >0.7compl<0.1cont: number of bins with more than 70% completeness and less than 10% contamination
- >0.9compl<0.1cont: number of bins with more than 90% completeness and less than 10% contamination
- >0.5compl<0.05cont: number of bins with more than 50% completeness and less than 5% contamination
- >0.7compl<0.05cont: number of bins with more than 70% completeness and less than 5% contamination
- >0.9compl<0.05cont: number of bins with more than 90% completeness and less than 5% contamination
summary.tsv
図も複数出力される。
- purity_completeness_per_bin.pdf
- ari_vs_assigned_bps.pdf
- avg_purity_completeness.pdf
- boxplot_completeness.pdf
- boxplot_purity.pdf
- summary.html
AMBER: Assessment of Metagenome BinnERs (example)
実際にランする流れはGithubのREADMEを呼んでください。contigをゲノムにmappingして得たゴールデンスタンダードのファイルも必要になります。
引用
AMBER: Assessment of Metagenome BinnERs
Fernando Meyer, Peter Hofmann, Peter Belmann, Ruben Garrido-Oter, Adrian Fritz, Alexander Sczyrba, Alice C McHardy
Gigascience. 2018 Jun; 7(6): giy069
CAMI benchmarkingの論文にもコマンドが載っています。
Tutorial: assessing metagenomics software with the CAMI benchmarking toolkit | Nature Protocols
