微生物共生は地球上の生命の機能的・系統発生学的な多様化を促進するが、培養の困難さのために十分に調べられていない。本研究では、さまざまな環境メタゲノム試料および参照ゲノムに由来する10万超の微生物ゲノムについて、機械学習（ML）を用いて共生的な生活様式を予測した。予測には、共生生物のゲノム上の特徴を同定するために開発したMLフレームワークsymclatronを用いた。予測結果は、Symbiont Genomes（SymGs）と名付けたカタログに収載した。その結果、未培養微生物の15–23%は、宿主関連または絶対細胞内性に分類される、他の生物との共生関係に関与している可能性が高く、既知の細菌・古細菌門の半数に存在することが示された。また、特定の代謝機能の喪失や、宿主依存的な生活を可能にすると考えられる代謝モジュールの存在量の違いを含む、共生的生活様式のゲノム上の特徴を同定した。symclatronソフトウェアおよびSymGsカタログは、共生の研究に有用な資源であり、宿主–微生物間の相互作用に関する将来の機構的研究および工学的改変を促進しうる。
インストール
mambaで環境を作成した。
Github
mamba create -y -n symclatron -c conda-forge -c bioconda -c https://repo.prefix.dev/astrogenomics symclatron
conda activate symclatron # conda環境外のPythonパッケージを読まないようにする export PYTHONNOUSERSITE=1
> symclatron
Usage: symclatron [OPTIONS] COMMAND [ARGS]...
Symbiont Classifier - Machine Learning-based Classification of Microbial Symbiotic Lifestyles
╭─ Options ──────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
│ --version -v Show version and exit │
│ --help Show this message and exit. │
╰────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
╭─ Commands ─────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╮
│ classify Classify genomes into symbiotic lifestyle categories. │
│ setup Download and setup required data files. │
│ test Run symclatron with test genomes. │
╰────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────╯
For more information, visit: https://github.com/NeLLi-team/symclatron
データベース
symclatron setup
ファイルサイズ
実行方法
symclatronは、タンパク質配列から微生物の生活様式をFree-living、Symbiont;Host-associated、Symbiont;Obligate-intracellularの3群に分類する。MAGの不完全性を考慮するため、モデルはゲノム完全性も特徴量に含める。
セルフテスト (任意)
symclatron test
5-10分ほど｡
入力にはアセンブリのFASTA（.fna、.fa、.fastaなど）またはタンパク質FASTA（.faaなど）を指定できる。アセンブリFASTAを指定した場合はpyrodigalで遺伝子を予測してから分類される。複数MAGをまとめて解析する場合は、各ゲノムを含むディレクトリを指定する。
# 1つのMAGアセンブリを分類､8スレッド指定
symclatron classify -i MAG.fna -o outdir-t 8
# 複数MAGアセンブリを分類､ディレクトリを指定
symclatron classify --genome-dir MAG.fna --input-ext .fna -o outdir-t 8
1ゲノムで1分ほどかかった(4スレッド､3990X)｡
出力例
outdir/
symclatron_results.tsvに、ゲノム名、最終分類、各クラスの確率、閾値適用後の分類、およびcompleteness_UNI56が出力される。
入力MAGは自由生活性（Free-living）と分類された。UNI56マーカーに基づく完全性は98.21%で、ほぼ完全なゲノムとして評価されている。分類の信頼度は0.9959と非常に高く、既定の閾値0.725を上回った。
論文より
- symclatronは、ゲノム配列またはタンパク質配列を入力として、微生物の生活様式を推定する。アセンブリFASTAを入力した場合は、まず遺伝子予測を行ってタンパク質配列に変換する。次にHMMERを用いて、共生性と関係する多数のタンパク質ファミリーを検索する。この結果は各profile HMMに対するbitscoreとして整理され、ゲノムが持つ遺伝子セットの特徴量となる。同時にUNI56マーカーを検索し、MAGの完全性も推定する。
- 次に同じ遺伝子構成から、生活様式を3群に直接分類する予測、自由生活性から絶対細胞内性までの連続的な共生性の予測、宿主関連性の予測という、3種類の中間判定を行う。これらをゲノム完全性などの情報と合わせて最終モデルに入力し、最終的な生活様式を決定する。さらに各モデルの予測値と完全性などを最終モデルsymclatronに入力し、生活様式を最終判定する。
- SHAP値は、このうちsymregの予測に対して、どのHMM特徴量がどれだけ影響したかを示す指標となる。SHAP値が正または負であることは予測を動かした方向を、絶対値の大きさは影響の強さを表す。したがって、最終分類だけでなく、どのようなタンパク質群が共生的な生活様式の推定に寄与したかも確認できる。
- 既定の信頼度閾値は0.725。最も確率の高いクラスはclassificationに記録され、閾値未満の予測はclassification_thresholdedではUnknownとされる。
引用
A genomic catalog of Earth’s bacterial and archaeal symbionts
Juan C. Villada, Yumary M. Vasquez, Gitta Szabó, Ewan Whittaker-Walker, Miguel F. Romero, Sarina Qin, Neha Varghese, Emiley A. Eloe-Fadrosh, Nikos C. Kyrpides, SymGs data consortium, Axel Visel, Tanja Woyke & Frederik Schulz
Nature Biotechnology (2026).
