細(xì)菌的社區(qū)遍布各處：我們的身體內(nèi)部，我們的身體和我們周?chē)囊磺?。人體腸道內(nèi)含有數(shù)百種細(xì)菌，有助于消化食物和提供營(yíng)養(yǎng)，但也可能使我們生病。為了更多地了解這些細(xì)菌群以及它們?nèi)绾斡绊懳覀兊纳睿茖W(xué)家們需要對(duì)它們進(jìn)行研究。但是這項(xiàng)任務(wù)帶來(lái)了挑戰(zhàn)，因?yàn)閷⒓?xì)菌帶入實(shí)驗(yàn)室要么不可能，要么會(huì)破壞科學(xué)家希望研究的生物過(guò)程。

為了克服這些困難，科學(xué)家們轉(zhuǎn)向了宏基因組學(xué)領(lǐng)域。在宏基因組學(xué)中，研究人員使用算法將來(lái)自環(huán)境樣本的DNA拼接在一起，以確定存在的細(xì)菌的類(lèi)型和作用。與化學(xué)等已建立的領(lǐng)域不同，研究人員根據(jù)一系列已知標(biāo)準(zhǔn)評(píng)估其結(jié)果，而宏基因組學(xué)是一個(gè)相對(duì)年輕的領(lǐng)域，缺乏這樣的基準(zhǔn)。

馬里蘭大學(xué)計(jì)算機(jī)科學(xué)教授米海波普在馬里蘭大學(xué)高級(jí)計(jì)算機(jī)研究所的聯(lián)合任命，最近幫助評(píng)判了一項(xiàng)稱為宏基因組解釋的關(guān)鍵評(píng)估(CAMI)的國(guó)際挑戰(zhàn)，該評(píng)估是對(duì)宏基因組學(xué)軟件進(jìn)行基準(zhǔn)測(cè)試的。結(jié)果發(fā)表在2017年10月2日的“自然方法”雜志上。

“我們可以說(shuō)沒(méi)有一種算法可以說(shuō)是最好的，”Pop說(shuō)，他也是UMD衛(wèi)生相關(guān)信息學(xué)和生物成像中心的聯(lián)合主任。“我們發(fā)現(xiàn)，一個(gè)工具在一個(gè)環(huán)境中表現(xiàn)更好，而另一個(gè)工具在另一個(gè)環(huán)境中表現(xiàn)更好。研究人員必須知道他們需要根據(jù)他們?cè)噲D回答的具體問(wèn)題選擇軟件。”

該研究的結(jié)果對(duì)于Pop來(lái)說(shuō)并不令人驚訝，因?yàn)楹昊蚪M學(xué)軟件開(kāi)發(fā)人員面臨著許多挑戰(zhàn)。首先，DNA分析在宏基因組學(xué)中具有挑戰(zhàn)性，因?yàn)榛厥盏腄NA通常來(lái)自田間，而不是嚴(yán)格控制的實(shí)驗(yàn)室環(huán)境。此外，來(lái)自許多生物的DNA(其中一些可能沒(méi)有已知的基因組)在樣本中混合在一起，使得難以正確地組裝或拼湊個(gè)體基因組。此外，DNA在惡劣環(huán)境中會(huì)降解。

"I like to think of metagenomics as a new type of microscope," Pop said. "In the old days, you would use a microscope to study bacteria. Now we have a much more powerful microscope, which is DNA sequencing coupled with advanced algorithms. Metagenomics holds the promise of helping us understand what bacteria do in the world. But first we need to tune that microscope."

由于他在基因組和宏基因組裝配方面的專(zhuān)業(yè)知識(shí)，CAMI的領(lǐng)導(dǎo)者邀請(qǐng)Pop幫助評(píng)估挑戰(zhàn)參與者提交的文件。2009年，Pop幫助發(fā)布了Bowtie，這是用于組裝基因組的最常用軟件包之一。最近，他與馬里蘭大學(xué)醫(yī)學(xué)院合作分析了數(shù)十萬(wàn)個(gè)基因序列，作為有史以來(lái)在發(fā)展中國(guó)家進(jìn)行的最大，最全面的兒童腹瀉病研究的一部分。

“我們發(fā)現(xiàn)了引起腹瀉病的新的未知細(xì)菌，我們還發(fā)現(xiàn)細(xì)菌之間的相互作用可能會(huì)加重或改善疾病，”波普說(shuō)。“我覺(jué)得這是我用宏基因組學(xué)做過(guò)的最有影響力的項(xiàng)目之一。”

在競(jìng)賽中，CAMI研究人員將大約700個(gè)微生物基因組和600個(gè)病毒基因組與其他DNA來(lái)源相結(jié)合，并模擬了這樣一個(gè)DNA集合如何在該領(lǐng)域出現(xiàn)。參與者的任務(wù)是重建和分析模擬DNA庫(kù)的基因組。

CAMI的研究人員在三個(gè)方面對(duì)參與者的提交進(jìn)行了評(píng)分：他們?nèi)绾谓M裝碎片化的基因組;他們?nèi)绾螌NA片段“分類(lèi)”或組織成相關(guān)組，以確定混合物中的生物家族;以及它們?nèi)绾?ldquo;分析”或重建混合物中存在的生物的特性和相對(duì)豐度。Pop提供了用于評(píng)估提交的組裝基因組的指標(biāo)和軟件。

19個(gè)團(tuán)隊(duì)使用6個(gè)基因組裝配器，9個(gè)裝配器和10個(gè)分析器提交了215個(gè)條目來(lái)應(yīng)對(duì)這一挑戰(zhàn)。

結(jié)果表明，對(duì)于組裝，使用不同長(zhǎng)度的較小DNA片段拼接基因組的算法優(yōu)于使用固定長(zhǎng)度的DNA片段的算法。然而，沒(méi)有任何組裝者在挑選不同但相似的基因組方面做得很好。

對(duì)于分箱任務(wù)，研究人員發(fā)現(xiàn)權(quán)衡軟件程序如何準(zhǔn)確識(shí)別特定DNA片段所屬的組，以及軟件分配給任何組的DNA片段的數(shù)量。這一結(jié)果表明，研究人員需要根據(jù)準(zhǔn)確度或覆蓋范圍是否更重要來(lái)選擇分檔軟件。此外，當(dāng)樣本包括多個(gè)相關(guān)基因組時(shí)，所有分箱算法的性能下降。

在分析中，軟件可以更好地恢復(fù)樣品中相對(duì)豐富的細(xì)菌，或者更好地檢測(cè)生物體，即使數(shù)量非常少。然而，后一種算法更經(jīng)常地識(shí)別錯(cuò)誤的生物體。

展望未來(lái)，Pop表示，CAMI小組將繼續(xù)針對(duì)不同的數(shù)據(jù)集和針對(duì)軟件性能更具體方面的新評(píng)估來(lái)應(yīng)對(duì)新的挑戰(zhàn)。Pop很高興看到科學(xué)家們使用這些基準(zhǔn)來(lái)解決實(shí)驗(yàn)室和診所的研究問(wèn)題。

“宏基因組學(xué)領(lǐng)域需要標(biāo)準(zhǔn)來(lái)確保結(jié)果正確，經(jīng)過(guò)充分驗(yàn)證并遵循最佳實(shí)踐，”Pop說(shuō)。“例如，如果醫(yī)生打算根據(jù)宏基因組軟件的結(jié)果進(jìn)行干預(yù)，那么這些結(jié)果必須正確。我們的工作為選擇合適的軟件提供了路線圖。”