Metagenomes present assembly challe

Metagenomes present assembly challenges, when assembling multiple genomes from mixed reads of multiple species. An assembler for single genomes can't adapt well when applied in this case. A metagenomic assembler, Genovo, is a de novo assembler for metagenomes under a generative probabilistic model. Genovo assembles all reads without discarding any reads in a preprocessing step, and is therefore able to extract more information from metagenomic data and, in principle, generate better assembly results. Paired end sequencing is currently widely-used yet Genovo was designed for 454 single end reads. In this research, we attempted to extend Genovo by incorporating paired-end information, named Xgenovo, so that it generates higher quality assemblies with paired end reads. First, we extended Genovo by adding a bonus parameter in the Chinese Restaurant Process used to get prior accounts for the unknown number of genomes in the sample. This bonus parameter intends for a pair of reads to be in the same contig and as an effort to solve chimera contig case. Second, we modified the sampling process of the location of a read in a contig. We used relative distance for the number of trials in the symmetric geometric distribution instead of using distance between the offset and the center of contig used in Genovo. Using this relative distance, a read sampled in the appropriate location has higher probability. Therefore a read will be mapped in the correct location. Results of extensive experiments on simulated metagenomic datasets from simple to complex with species coverage setting following uniform and lognormal distribution showed that Xgenovo can be superior to the original Genovo and the recently proposed metagenome assembler for 454 reads, MAP. Xgenovo successfully generated longer N50 than Genovo and MAP while maintaining the assembly quality even for very complex metagenomic datasets consisting of 115 species. Xgenovo also demonstrated the potential to decrease the computational cost. This means that our strategy worked well. The software and all simulated datasets are publicly available online at http://xgenovo.dna.bio.keio.ac.jp.

ผลลัพธ์ (ไทย) 1:

Metagenomes นำเสนอความท้าทายของแอสเซมบลี เมื่อประกอบ genomes หลายจากอ่านผสมหลายพันธุ์ มีมิเตอร์สำหรับ genomes เดียวไม่ปรับดีเมื่อใช้ในกรณีนี้ เป็น metagenomic มิเตอร์ Genovo จะเป็นมิเตอร์ novo de สำหรับ metagenomes ภายใต้แบบจำลอง probabilistic generative Genovo assembles อ่านทั้งหมดโดยไม่ละทิ้งการอ่านในขั้นตอนการประมวลผลเบื้องต้น จึง สามารถดึงข้อมูลเพิ่มเติมจากข้อมูล metagenomic หลัก สร้างผลลัพธ์ที่ดีขึ้นประกอบด้วย สิ้นสุดจัดเป็นคู่ลำดับปัจจุบันอย่างกว้างขวางกัน แต่ Genovo ถูกออกแบบมาสำหรับสิ้นสุดเดียวอ่าน 454 ในงานวิจัยนี้ เราพยายามขยาย Genovo เพจข้อมูลสิ้นสุดคู่ Xgenovo การตั้งชื่อเพื่อให้สร้างแอสเซมบลีคุณภาพสูง ด้วยการอ่านจัดเป็นคู่สุดท้าย ครั้งแรก เราขยาย Genovo โดยการเพิ่มพารามิเตอร์พิเศษในกระบวนการอาหารจีนใช้เรียกบัญชีก่อนจำนวน genomes ในตัวอย่างไม่รู้จัก พารามิเตอร์นี้โบนัสต้องการคู่อ่าน contig เดียวกัน และ เป็นความพยายามที่จะแก้ปัญหากรณี contig ชิเมร่า สอง เราปรับกระบวนการสุ่มตัวอย่างการอ่านใน contig เป็นสถาน เราใช้ระยะทางสัมพัทธ์สำหรับหมายเลขของการทดลองในการแจกแจงรูปทรงเรขาคณิตสมมาตรแทนการใช้ระยะห่างระหว่างศูนย์ของ contig ใช้ใน Genovo และออฟเซ็ต ใช้ระยะนี้ญาติ การอ่านตัวอย่างในตำแหน่งที่เหมาะสมมีความเป็นไปได้สูง ดังนั้น การอ่านจะถูกแมปในตำแหน่งที่ถูกต้อง ผลการทดลองอย่างละเอียดบน datasets metagenomic จำลองจากง่ายซับซ้อนด้วยการตั้งค่าความครอบคลุมชนิดต่อไปนี้สม่ำเสมอ และ lognormal กระจายพบว่า Xgenovo อาจจะ Genovo เดิมและมิเตอร์ metagenome เสนอเมื่อเร็ว ๆ นี้สำหรับอ่าน 454 แผนที่ Xgenovo สร้าง N50 ยาว Genovo และแผนที่ในขณะที่รักษาคุณภาพประกอบสำหรับ datasets metagenomic ซับซ้อนมากประกอบด้วยพันธุ์ 115 เสร็จเรียบร้อยแล้ว นอกจากนี้ Xgenovo ยังแสดงศักยภาพในการลดต้นทุนในการคำนวณ ซึ่งหมายความ ว่า กลยุทธ์ของเราทำงานดี ซอฟต์แวร์และ datasets จำลองทั้งหมดได้เผยออนไลน์ที่ http://xgenovo.dna.bio.keio.ac.jp

ผลลัพธ์ (ไทย) 2:

Metagenomes ความท้าทายการชุมนุมในปัจจุบันเมื่อการประกอบจีโนมจากหลายผสมอ่านหลายสปีชีส์ ผู้ประกอบการจีโนมเดียวไม่สามารถปรับตัวได้ดีเมื่อนำมาใช้ในกรณีนี้ ประกอบ Metagenomic, Genovo เป็นผู้ประกอบโนโวสำหรับ metagenomes ภายใต้รูปแบบความน่าจะเป็นกำเนิด Genovo ประกอบทั้งหมดอ่านโดยไม่ต้องทิ้งใด ๆ อ่านในขั้นตอนการเตรียมและดังนั้นจึงสามารถที่จะดึงข้อมูลเพิ่มเติมจากข้อมูล Metagenomic และในหลักการสร้างผลประกอบการที่ดีขึ้น ลำดับท้ายคู่อยู่ในขณะนี้ใช้กันอย่างแพร่หลายยัง Genovo ถูกออกแบบมาสำหรับ 454 ปลายเดียวอ่าน ในงานวิจัยนี้เราพยายามที่จะขยาย Genovo โดยผสมผสานข้อมูลจับคู่สิ้นชื่อ Xgenovo เพื่อที่จะสร้างส่วนประกอบที่มีคุณภาพสูงที่มีปลายจับคู่อ่าน ครั้งแรกที่เราขยาย Genovo โดยการเพิ่มพารามิเตอร์โบนัสในกระบวนการร้านอาหารจีนที่ใช้ในการได้รับบัญชีก่อนเพื่อไม่ทราบจำนวนของจีโนมในกลุ่มตัวอย่าง พารามิเตอร์โบนัสนี้ตั้งใจสำหรับคู่ของคนอ่านที่จะอยู่ใน contig เดียวกันและเป็นความพยายามที่จะแก้ปัญหากรณี contig ฝัน ประการที่สองเราปรับเปลี่ยนขั้นตอนการเก็บตัวอย่างของสถ​​านที่ตั้งของการอ่านใน contig เราใช้ระยะญาติสำหรับจำนวนของการทดลองในการกระจายทางเรขาคณิตสมมาตรแทนการใช้ระยะห่างระหว่างชดเชยและศูนย์กลางของ contig ใช้ใน Genovo โดยใช้ระยะทางญาติอ่านตัวอย่างในตำแหน่งที่เหมาะสมมีความน่าจะเป็นที่สูงขึ้น ดังนั้นการอ่านจะถูกแมปในตำแหน่งที่ถูกต้อง ผลการทดลองอย่างกว้างขวางในชุดข้อมูล Metagenomic จำลองจากง่ายซับซ้อนด้วยการตั้งค่าความคุ้มครองชนิดต่อไปนี้การกระจายสม่ำเสมอและ lognormal แสดงให้เห็นว่า Xgenovo สามารถจะดีกว่าเดิม Genovo และประกอบ metagenome เสนอเมื่อเร็ว ๆ นี้ 454 อ่านแผนที่ Xgenovo ประสบความสำเร็จในการสร้างนานกว่า N50 Genovo และแผนที่ในขณะที่การรักษาคุณภาพการชุมนุมแม้กระทั่งสำหรับชุดข้อมูล Metagenomic ซับซ้อนมากประกอบด้วย 115 สปีชีส์ Xgenovo ยังแสดงให้เห็นถึงศักยภาพที่จะลดค่าใช้จ่ายในการคำนวณ ซึ่งหมายความว่ากลยุทธ์ของเราทำงานได้ดี ซอฟแวร์และชุดข้อมูลจำลองทั้งหมดที่มีอยู่ทั่วไปในที่สาธารณะที่ http://xge​​novo.dna.bio.keio.ac.jp

ผลลัพธ์ (ไทย) 3:

metagenomes ปัจจุบันชุมนุมความท้าทาย เมื่อประกอบหลายจีโนมจากผสมอ่านของหลาย ๆชนิด สำหรับการประกอบจีโนมเดียวไม่สามารถปรับตัวได้ดีเมื่อใช้ในคดีนี้ เป็นเมตาจีโนมิคประกอบ genovo , เป็นอีกครั้งสำหรับการเข้า metagenomes ประกอบภายใต้รูปแบบ genovo ประกอบทั้งหมดอ่านโดยไม่ทิ้งใด ๆอ่านในการเตรียมก้าวและดังนั้นจึงสามารถดึงข้อมูลเพิ่มเติมจากข้อมูลเมตาจีโนมิค และในหลักการสร้างผลลัพธ์ประกอบดีกว่า คู่สุดท้าย ปัจจุบันใช้กันอย่างแพร่หลายระบบยังถูกออกแบบมาเพื่อ genovo 454 เดียวจบคนอ่าน ในงานวิจัยนี้เราพยายามที่จะขยาย genovo โดยผสมผสานจับคู่จบข้อมูล ชื่อ xgenovo เพื่อที่จะสร้างส่วนประกอบคุณภาพสูง ด้วยคู่สุดท้ายคนอ่านก่อนอื่น เรา genovo ขยายโดยการเพิ่มโบนัสของพารามิเตอร์ในกระบวนการร้านอาหารจีนใช้บัญชีก่อน สำหรับหมายเลขที่ไม่รู้จักของจีโนมในตัวอย่าง พารามิเตอร์พิเศษนี้ตั้งใจสำหรับคู่ของคนอ่านอยู่ใน contig เดียวกันและความพยายามที่จะแก้ความฝัน contig กรณี ประการที่สอง เราปรับเปลี่ยนขั้นตอนการสุ่มตัวอย่างของที่ตั้งของอ่านใน contig .เราใช้ญาติห่างๆกับจำนวนครั้งในการกระจายสมมาตรเรขาคณิตแทนการใช้ระยะห่างระหว่างศูนย์กลางของ contig offset และใช้ใน genovo . ใช้ระยะทางสัมพัทธ์นี้ อ่านข้อมูลในสถานที่ที่เหมาะสม มีความน่าจะเป็นสูงกว่า เพราะฉะนั้น อ่านจะถูกแมปในตำแหน่งที่ถูกต้องผลของการทดลองที่กว้างขวางในการเมตาจีโนมิคข้อมูลจากง่ายซับซ้อนกับสายพันธุ์ที่ครอบคลุมการตั้งค่าตามเครื่องแบบและการแจกแจงลอกนอร์มอล พบว่า xgenovo สามารถที่เหนือกว่าการ genovo เดิมและเสนอล่าสุด metagenome ประกอบสำหรับ 454 คนอ่าน แผนที่xgenovo เรียบร้อยแล้วสร้าง 50 กว่า genovo และแผนที่ในขณะที่รักษาคุณภาพการประกอบแม้ที่ซับซ้อนมากเมตาจีโนมิคข้อมูลประกอบด้วย 115 ชนิด xgenovo ยังแสดงให้เห็นถึงศักยภาพที่จะลดต้นทุน การคำนวณ ซึ่งหมายความว่ากลยุทธ์ของเราทำงานได้ดี ซอฟต์แวร์และข้อมูลจะเปิดเผยต่อสาธารณชนจำลองออนไลน์ที่ http://xgenovo.dna.bio.keio.ac.jp .