使用Lemur和Magnet进行长时间读取的元基因组数据集的轻量级分类分析
Nicolae Sapoval1, Yunxi Liu1, Kristen D Curry1
1Department of Computer Science, Rice University, Houston, TX 77005, USA.
bioRxiv : the preprint server for biology
|June 19, 2024
概括
新的工具Lemur和Magnet提供轻量级和准确的分类学概况,用于长时间读取的猎枪元基因组数据集. 这些生物信息学解决方案能够在标准笔记本电脑上快速分析微生物群,这对于便携式测序应用至关重要.
科学领域:
- 微生物学 微生物学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 长期阅读的测序技术正在推动微生物组研究.
- 现有的分类学分析师没有针对长时间读取的元基因组数据进行优化.
- 需要有效和准确的计算工具来分析大型微生物群数据集.
研究的目的:
- 介绍Lemur和Magnet,这两种新的计算工具用于长时间阅读的猎枪元基因组数据的分类学概况.
- 优化工具以轻量化,准确和快速分析.
- 提供与便携式测序设备兼容的解决方案.
主要方法:
- :一种基于标记基因的分类学分析仪,使用预期-最大化 (EM) 算法.
- 磁铁:一种基于全基因组读取映射的分析仪,用于检测细菌基因组的存在/缺失.
- 数据库:Lemur使用了来自超过30万个RefSeq基因组的4GB标记基因数据库.
主要成果:
- 和磁铁在分类学分析中表现出高精度和高效率.
- 工具可以在几分钟到几个小时内处理 32 GB RAM 的笔记本电脑上的大型数据集.
- 性能适用于与便携式长读序列相关的分析.
结论:
- 和磁铁为长期阅读的元基因组数据提供了必要的,高效的和准确的分类学概况.
- 这些工具解决了对可访问微生物组分析解决方案的日益增长的需求.
- 开源的可用性有助于在研究和现场应用中广泛采用.


