【基于监督学习的分箱】我的想法被实现了

Autometa:从单个宏基因组样品中提取微生物基因组

【基于监督学习的分箱】我的想法被实现了_第1张图片
流程图

宏基因组学是一种功能强大的高分辨率技术,可用于原位微生物群落的研究。然而,物种水平的分辨率仅在“分箱”过程之后实现,其中预测来自相同基因组的conitgs被聚类。这种不基于培养的测序经常发现新的微生物,因此已经设计了各种方法用于无参考的分箱。随着探索复杂性增加的新型微生物组,有时与非模型宿主相关,需要强大的自动化分箱方法。现有方法与真核污染相抗衡,无法处理高度复杂的单一宏基因组。因此,我们开发了一种称为“Autometa”的自动化分箱管道来解决这些问题。该命令行应用程序将序列同源性,核苷酸组成,覆盖度和单拷贝标记基因的存在整合到从非模型宿主基因组和其他真核污染物中分离微生物基因组,然后从单个宏基因组中去除单个基因组。 该方法能够有效地从宏基因组中分离出1000多个基因组,从而可以在单一物种的水平上研究以前难以处理的复杂环境。 Autometa可在https://bitbucket.org/jason_c_kwan/autometa免费下载,也可在https://hub.docker.com/r/jasonkwan/autometa下以GNU Affero通用公共许可证3(AGPL 3)免费获取。

参考文献

Ian J Miller, Evan R Rees, Jennifer Ross, Izaak Miller, Jared Baxa, Juan Lopera, Robert L Kerby, Federico E Rey, Jason C Kwan, Autometa: automated extraction of microbial genomes from individual shotgun metagenomes, Nucleic Acids Research, , gkz148, https://doi.org/10.1093/nar/gkz148

你可能感兴趣的:(【基于监督学习的分箱】我的想法被实现了)