MG-RAST - MG-RAST

MG-RAST je open-source webový aplikační server, který navrhuje automatické fylogenetické a funkční analýza metagenomy.^[1] Je také jedním z největších úložišť metagenomických dat. Název je zkratkou Metagenomické rychlé poznámky využívající technologii subsystémůKanál automaticky vytváří funkční přiřazení k sekvence které patří do metagenomu provedením porovnání sekvencí s databáze v obounukleotid a aminokyselina úrovně. Aplikace poskytují fylogenetické a funkční přiřazení metagenomu, který je analyzován, stejně jako nástroje pro srovnání různých metagenomů. Poskytuje také a RESTful API pro programový přístup.

Server byl vytvořen a udržován uživatelem Argonne National Laboratory z University of Chicago. V 29. prosince 2016 systém analyzoval 60 terabázových párů dat z více než 150 000 datových sad. Z analyzovaných datových souborů je více než 23 000 veřejnosti k dispozici.

V současné době jsou výpočetní zdroje poskytovány cloudem DOE Magellan v Argonne National Laboratory, Webové služby Amazon EC2 a řada tradičních klastrů.

Pozadí

MG-RAST byl vyvinut jako snaha mít bezplatný veřejný zdroj pro analýzu a ukládání dat sekvence metagenomu. Tato služba odstraňuje jednu z hlavních překážek v analýze metagenomu: dostupnost vysoce výkonných výpočtů pro anotování dat.^[2]

Metagenomické a metatranskriptomické studie zahrnují zpracování velkých datových souborů, a proto mohou vyžadovat výpočetně nákladnou analýzu. V dnešní době jsou vědci schopni generovat takové objemy dat, protože v posledních letech se náklady na sekvenování dramaticky snížily. Tato skutečnost posunula omezující faktor na výpočetní náklady: například nedávná studie University of Maryland odhaduje náklady na více než 5 milionů dolarů na terabázi pomocí jejich CLOVR potrubí analýzy metagenomu.^[3] Vzhledem k tomu, že velikost a počet sekvenčních datových souborů se stále zvyšuje, náklady spojené s jejich analýzou budou stále stoupat.

MG-RAST navíc funguje také jako nástroj úložiště metagenomických dat. Metadata shromažďování a interpretace je pro genomické a metagenomické studie zásadní a mezi výzvy v tomto ohledu patří výměna, úprava a distribuce těchto informací. Systém MG-RAST byl prvním uživatelem standardů minimálního kontrolního seznamu a rozšířených ekologických balíčků specifických pro biomy navržených Konsorcium pro normy pro genomiku a poskytuje snadno použitelný nástroj pro nahrávání metadat v době odeslání dat.^[4]

Potrubí pro analýzu metagenomických dat

Aplikace MG-RAST nabízí automatizovanou kontrolu kvality, anotace, komparativní analýzu a archivaci metagenomických a amplikonových sekvencí pomocí kombinace několika bioinformatických nástrojů. Aplikace byla vytvořena k analýze metagenomických dat, ale také podporuje zpracování sekvencí amplikonů (16S, 18S a ITS) a sekvencí metatranscriptome (RNA-seq). V současné době MG-RAST není schopen předpovídat kódující oblasti z eukaryot, a proto má omezené použití pro analýzu eukaryotických metagenomů.^[5]

Potrubí MG-RAST lze rozdělit do pěti fází:

Hygiena dat

Zahrnuje kroky pro kontrolu kvality a odstranění artefaktů. Nejprve se oříznou oblasti nízké kvality SolexaQA a čtení zobrazující nevhodné délky jsou odstraněny. V případě zpracování datových sad metagenomu a metatranscriptomu je zahrnut krok dereplikace. Následně se DRISEE (Duplicate Read Inferred Sequencing Error Estimation) použije k vyhodnocení chyby sekvenčního vzorkování na základě měření ADR (Artificial Duplicate Reads). A konečně, potrubí nabízí možnost prověřování čtení pomocí Motýlek zarovnávač a odstranění čtení zobrazujících shody blízké genomům modelových organismů (včetně mouchy, myši, krávy a člověka).

Extrakce funkcí

MG-RAST identifikuje genové sekvence pomocí přístupu strojového učení: FragGeneScan. Sekvence ribozomální RNA jsou identifikovány pomocí iniciály BLAT hledat proti zmenšené verzi SILVA databáze.

Anotace prvku

Za účelem identifikace domnělých funkcí a anotací genů vytváří MG-RAST shluky proteinů na 90% úrovni identity pomocí UCLUST implementace v QIIME. Pro analýzu podobnosti bude vybrána nejdelší sekvence každého klastru. Analýza podobnosti se počítá pomocí sBLAT (ve kterém BLAT algoritmus je paralelizován pomocí OpenMP ). Hledání je počítáno proti proteinové databázi odvozené od M5nr, která poskytuje neredundantní integraci sekvencí z databází GenBank, SEED, IMG, UniProt, KEGG a eggNOGs.^[6]

Čtení spojená s rRNA sekvencemi jsou seskupena s 97% identitou. Nejdelší sekvence každého klastru je vybrána jako reprezentativní a bude použita pro vyhledávání BLAT proti databázi M5rna, která integruje SILVA, Greengenes a RDP.

Generování profilu

Data jsou integrována do řady datových produktů. Nejdůležitější z nich jsou profily hojnosti, které představují otočnou a agregovanou verzi souborů podobnosti.

Načítání dat

Nakonec se získané profily četnosti načtou do příslušných databází.

Podrobné kroky potrubí MR-RAST

Obslužné programy MG-RAST

Kromě analýzy metagenomu lze MG-RAST použít také pro zjišťování dat. Vizualizaci nebo srovnání profilů metagenomů a souborů dat lze implementovat v široké škále režimů; webové rozhraní umožňuje výběr dat na základě kritérií, jako je složení, kvalita sekvencí, funkčnost nebo typ vzorku, a nabízí několik způsobů výpočtu statistických závěrů a ekologických analýz. Profily metagenomů lze vizualizovat a porovnat pomocí barchartů, stromů, tabulkových tabulek, teplotních map, PCoA, grafů zředění, kruhového náborového grafu a map KEGG.

Viz také

• Metagenomika

Reference

externí odkazy

• Webový server MG-RAST
• API
• Manuál MG-RAST
• M5NR