数据库选择和信任评分对使用Kraken2进行分类学分类的性能的影响
Yunlong Liu1, Morteza H Ghaffari2, Tao Ma1
1Key Laboratory of Feed Biotechnology of the Ministry of Agricultural and Rural Affairs, Institute of Feed Research, Chinese Academy of Agricultural Sciences, Beijing, 100081 China.
选择正确的参考数据库和可信度评分 (CS) 是在元基因组学中准确分类微生物的关键. 一个具有中等CS的综合数据库优化了分类准确性和灵敏性,以便更好地进行生物信息学分析.
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.
- 计算生物学 计算生物学
背景情况:
- 准确的分类学分类对于通过元基因组测序来理解微生物群落至关重要.
- 计算的局限性和庞大的基因组多样性对微生物分类构成了挑战.
研究的目的:
- 评估参考数据库选择和信任分数 (CS) 设置如何影响Kraken2的性能.
- 为了确定精确的元基因组分类的最佳参数.
主要方法:
- 模拟的元基因组数据集被生成来测试Kraken2.
- 在各种数据库 (Minikraken,nt,GTDB r202) 和CS设置 (0-1.0) 中评估了性能.
- 评估的关键指标:分类率,精度,回忆,F1分数和丰度估计准确度.
主要成果:
- 更高的CS通常会降低分类率,特别是在较小的数据库中.
- 较大的数据库 (nt,GTDB r202) 显示了更好的精度和F1分数,随着CS的增加.
- 一个全面的数据库和适度的CS (0.2-0.4) 提高了分类的准确性和敏感性.
结论:
- 数据库大小和CS严格性显著影响元基因组分类器的性能.
- 最佳的参数选择对于准确而敏感的微生物分类学分类至关重要.
- 根据研究问题和资源定制数据库和CS设置,最大限度地提高了元基因组学分析的有效性.
更多相关视频
11:09Use of MALDI-TOF Mass Spectrometry and a Custom Database to Characterize Bacteria Indigenous to a Unique Cave Environment Kartchner Caverns, AZ, USA
Published on: January 2, 2015
08:20Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images
Published on: October 27, 2023
相关概念视频
Evolutionary Relationships through Genome Comparisons
Confidence Coefficient
Kruskal-Wallis Test
Microbial Classification System
Applications of Molecular Taxonomy
Classification of Systems-II
