宏基因組binning的原理是什么

這期內容當中小編將會給大家帶來有關宏基因組binning的原理是什么，文章內容豐富且以專業的角度為大家分析和敘述，閱讀完這篇文章希望大家可以有所收獲。

在宏基因組中分離單基因組，可利用序列特征或序列組裝信息，常見的可用信息主要有以下幾種：

a.根據核酸使用頻率（通常是四核苷酸頻率）、GC含量和必需的單拷貝基因等基因組特征；

b.根據contig序列的覆蓋度coverage信息；

c.根據測序數據的kmer豐度信息；

d.根據序列在不同樣品的共出現規律（co-abundance patternsacross multiple samples）；

e.將序列map到數據庫的參考序列所獲得的注釋信息，也即物種binning。

根據所使用的序列數據不同，binning策略可分為三種：基于組裝前的clean reads，基于組裝后的contigs，基于注釋的基因genes。

⑴基于reads binning

環境樣本中微生物的豐度不同，其基因組kmer的期望深度也不同，根據kmer豐度可以直接對reads進行聚類，將屬于不同基因組的reads分離開來。其優勢是可以聚類出宏基因組中豐度非常低的物種，而且可以分離系統發育關系很近的物種。考慮到在宏基因組組裝中reads利用率很低，單樣品5Gb測序量情況下，環境樣品組裝reads利用率一般只有10%左右，腸道樣品或極端環境樣品組裝reads利用率一般能達到30%，這樣很多物種，尤其是低豐度的物種的reads沒有被沒有被組裝出來，沒有體現在contig中而被浪費，因此基于reads binning才有可能得到低豐度的物種基因組的的測序數據，在實際研究中基于reads binning的LSA（Latent Strain Analysis）方法可以聚類出豐度低到0.00001%的物種，并且對同一物種中的不同菌株的敏感性很強^[2]。

⑵基于genes binning

在宏基因組做完序列組裝和基因預測之后，把所有樣品中預測到的基因混合在一起，去冗余得到unique genes集合，根據gene在各個樣品中的豐度變化模式，計算gene之間的相關性，利用這種相關性進行聚類。利用這種策略進行binning得到的bins可稱為CAG（co-abundance genegroups），包含有700個以上的gene的CAG稱為MGS（metagenomic species），CAG可用進行關聯分析，MGS可用進行后續的單菌組裝^[3]。當然根據具體的聚類算法和相關性系數的不同，對genes binning得到的bins的叫法也不同，除以上外還有MLG（metagenomic linkage groups）、MGC（metagenomic clusters）和MetaOTUs（metagenomic operational taxonomicunits）等，同時，MLG, MGC, MGS和MetaOTUs物種注釋的標準也是不一樣的。

目前已發表的宏基因組關聯分析（MWAS）和多組學聯合分析文章中，宏基因組binning很多都用genes binning方法，尤其是疾病的MWAS研究中基本都用genes binning^[4]。這種方法的優勢是基于genes豐度變化模式進行binning可操作性比較強，過程比較簡單，可復制性強，對計算機資源消耗比較低。

⑶基于contigs binning

在宏基因組做完序列組裝之后，將所有reads序列map到contigs上獲得contig覆蓋率，再綜合GC含量、核算組成等信息對contig進行聚類，將屬于不同基因組的contig序列分開。contig binning目前應用十分廣泛，最常用的就是用于組裝單物種基因組，目前已經有多種基于contig binning的軟件^[1]，對于豐度較高的物種contigs binning效果較好，但是目前也有些缺陷或者說還有很多可提升的空間，例如對核酸組成信息的利用，開發得就不夠充分，四堿基使用頻率因簡單而被廣泛使用和接受，但現在已有研究表明k-mer豐度信息也是很好的種系特征，同時越長的k-mer含有越多的信息，還有基因和參考基因組間的同源關系也是有價值的種系信號，但這些都還沒有被自動化的binning軟件整合。

上述就是小編為大家分享的宏基因組binning的原理是什么了，如果剛好有類似的疑惑，不妨參照上述分析進行理解。如果想知道更多相關知識，歡迎關注億速云行業資訊頻道。