青岛能源所提出微生物组相似度新算法DMS

自然界中，微生物组（亦称“菌群”）无所不在，其结构深刻体现着生态系统的健康状态，因此微生物组结构比对是菌群检测服务于精准健康、精准护理与精准营养的核心环节之一。青岛能源所单细胞中心提出了Dynamic Meta-Storms（DMS）算法，能够更精确地计算菌群相似度。该研究在线发表于Bioinformatics。

鸟枪法宏基因组（shotgun metagenomics）通过直接测定菌群总体DNA序列，来刻画一个菌群的结构和功能。然而如何精确地计算鸟枪法元基因组数据点之间的量化差异，一直是业界的热点问题。苏晓泉副研究员带领的单细胞中心生物信息研究组，针对上述关键技术瓶颈开发了Dynamic Meta-Storms（DMS）算法。DMS充分利用菌群中已知物种的生物分类和进化关系，对未知物种的进化位置进行理性推测（图1），从而能够全面、精确地计算宏基因组之间物种水平的相似度（图2a）。

图1、Dynamic Meta-Storms能全面、精确地计算元基因组之间物种水平的相似度。

与此同时，得益于高性能并行计算优化技术，在计算百万数量级之宏基因组样本的相似度时（5×10¹¹次相似度计算），DMS在单个计算节点上仅用6.4小时即可完成，与目前最快算法相比，速度提高了20%，同时还节省了40%的内存使用率（图2b）。

作为宏基因组学领域的共性基础算法之一，DMS将基于单细胞中心开发的微生物组搜索引擎（http://mse.ac.cn），直接服务于地球微生物组计划（EMP）、人体微生物组计划（HMP）、中科院微生物组计划等大科学计划，从而支撑基于菌群测序的精准健康、精准护理与精准营养。

图2、与其他算法相比，Dynamic Meta-Storms能够更精确地计算菌群之间相似度（a），同时在计算速度和计算资源利用率上有显著提升（b）。

该论文的并列第一作者是生物信息研究组荆功超和张玉凤，由苏晓泉副研究员主持完成，并获得了国家自然科学基金、山东省自然科学重大基础研究项目、中科院微生物组计划等的支持。

原文链接：

Jing G.¹,  Zhang Y.¹, Liu L., Yang M., Xu J. and Su X.^* . Dynamic  Meta-Storms enables comprehensive taxonomic and phylogenetic comparison  of shotgun metagenomes at the species level. Bioinformatics (2019) DOI: 10.1093/bioinformatics/btz910.

猜你喜欢

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读