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)家需要研究它們。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)高等計(jì)算機(jī)研究所聯(lián)合任命，他最近幫助評(píng)判了一項(xiàng)名為“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。

“我喜歡將宏基因組學(xué)視為一種新型顯微鏡，”波普說(shuō)。“在過(guò)去，你會(huì)用顯微鏡研究細(xì)菌。現(xiàn)在我們有一個(gè)更強(qiáng)大的顯微鏡，它是DNA測(cè)序和先進(jìn)的算法。宏基因組學(xué)有望幫助我們了解細(xì)菌在世界上的作用。但首先我們需要調(diào)整顯微鏡。“

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的軟件包之一。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)惡化或改善疾病，”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)源結(jié)合起來(lái)，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)绾魏芎玫亟M裝碎片基因組; 他們將DNA片段“分類(lèi)”或組織成相關(guān)組的程度，以確定混合物中有機(jī)體的家族; 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)了軟件程序識(shí)別特定DNA片段所屬組的準(zhǔn)確程度與軟件分配給任何組的DNA片段的數(shù)量之間的權(quán)衡。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降低。

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)面臨新的挑戰(zhàn)，包括針對(duì)軟件性能更具體方面的不同數(shù)據(jù)集和新評(píng)估。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)果是正確的，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。”