MG-ラスト

オープンソースの Web アプリケーション サーバーであるMG-RASTは、メタゲノムの自動系統発生および機能解析を容易にします。MG-RAST (Metagenomic Rapid Annotations using Subsystems Technology) の頭字語を採用した、メタゲノム データの最大のリポジトリの 1 つです。このプラットフォームは、メタゲノム シーケンスに機能を自動的に割り当てるパイプラインを使用し、ヌクレオチド レベルとアミノ酸 レベルの両方でシーケンス比較を実行します。ユーザーは、解析されたメタゲノムの系統発生および機能に関する洞察と、さまざまなデータセットを比較するためのツールを利用できます。MG-RAST は、プログラムによるアクセス用の RESTful API も提供します。

このサーバーはシカゴ大学のアルゴンヌ国立研究所が作成し、管理しています。2016 年 12 月 29 日現在、MG-RAST は 150,000 を超えるデータセットから 60 テラベースペアの膨大なデータを分析しています。注目すべきことに、これらのデータセットのうち 23,000 以上が公開されています。現在、計算リソースはアルゴンヌ国立研究所の DOE Magellan クラウド、Amazon EC2 Web サービス、およびさまざまな従来のクラスターから提供されています。

MG-RAST は、メタゲノム配列データの分析と保存専用の無料のパブリック リソースとして機能するように開発されました。データの注釈付けに高性能コンピューティングへの依存を排除​​することで、メタゲノム分析における主要なボトルネックを解決します。

MG-RAST の重要性は、大規模なデータセットの処理に計算集約型の分析が必要になることが多いメタゲノム研究やメタトランスクリプトミクス研究で明らかになります。近年のシーケンシング コストの大幅な削減により、科学者は膨大な量のデータを生成できるようになりました。ただし、制限要因はコンピューティング コストに移っています。たとえば、メリーランド大学の最近の研究では、CLOVR メタゲノム分析パイプラインを使用した場合、1 テラベースあたり 500 万ドルを超えるコストがかかると推定されています。シーケンス データセットのサイズと数が増え続けるにつれて、関連する分析コストも上昇することが予想されます。

MG-RAST は、分析だけでなく、メタゲノム データのリポジトリ ツールとしても機能します。メタデータの収集と解釈は、ゲノムおよびメタゲノム研究にとって重要です。MG-RAST は、この情報の交換、キュレーション、配信に関連する課題に対処します。このシステムは、Genomics Standards Consortium によって確立された最小限のチェックリスト標準とバイオーム固有の環境パッケージを採用しています。さらに、MG-RAST は、データ送信時にメタデータをキャプチャするための使いやすいアップローダーを提供します。

^[1]

MG-RAST アプリケーションは、メタゲノムおよびアンプリコン配列の自動品質管理、注釈、比較分析、アーカイブ化など、包括的なサービス スイートを提供します。さまざまなバイオインフォマティクス ツールを組み合わせてこれらの機能を実現します。MG-RAST はもともとメタゲノム データ解析用に設計されましたが、アンプリコン配列 (16S、18S、ITS) およびメタトランスクリプトーム (RNA-seq) 配列処理もサポートしています。ただし、MG-RAST には現在、真核生物のコーディング領域を予測する機能がないため、真核生物のメタゲノム解析での有用性が限られていることに注意することが重要です。

MG-RAST パイプラインは、次の 5 つの異なるステージに分割できます。

MG-RAST パイプラインには、品質管理とアーティファクト除去のための一連の手順が組み込まれており、メタゲノムおよびメタトランスクリプトーム データセットの堅牢な処理が保証されます。最初の段階では、SolexaQA を使用して低品質領域をトリミングし、不適切な長さの読み取りを排除します。メタゲノムおよびメタトランスクリプトーム データセットの場合、データ処理の効率を高めるために、デレプリケーション手順が導入されています。

次のステップでは、DRISEE (Duplicate Read Inferred Sequencing Error Estimation) を使用して、人工重複読み取り (ADR) を測定することでサンプルのシーケンス エラーを評価します。この評価は、下流の分析の精度の向上に貢献します。

最後に、パイプラインは、Bowtie アライナーを使用して読み取りをスクリーニングするオプションを提供します。これは、ハエ、マウス、ウシ、ヒトなどのモデル生物のゲノムに近い一致を示す読み取りを識別して削除します。このステップは、潜在的な汚染物質や意図しないシーケンスに関連する読み取りを除外することで、データセットの精製に役立ちます。

MG-RAST は、遺伝子識別プロセスにおいて、FragGeneScan と呼ばれる機械学習アプローチを採用しています。この方法は、メタゲノムまたはメタトランスクリプトミクス データ内の遺伝子配列を識別するために使用されます。

リボソーム RNA 配列を識別するために、MG-RAST は SILVA データベースの縮小版に対して BLAT 検索を開始します。このステップにより、システムはデータセット内のリボソーム RNA 配列を特定して分類することができ、分析されたメタゲノムまたはメタトランスクリプトームの生物学的構成をより詳細に理解するのに役立ちます。

遺伝子の推定機能と注釈を識別するために、MG-RAST は複数のステップから成るプロセスに従います。最初に、QIIME の UCLUST 実装を使用して、90% の同一性レベルでタンパク質のクラスターを構築します。次に、各クラスター内の最長のシーケンスがさらに分析するために選択されます。

類似性分析のために、MG-RAST は OpenMP を使用した BLAT アルゴリズムの並列化バージョンである sBLAT を採用しています。検索は、GenBank、SEED、IMG、UniProt、KEGG、eggNOG などのさまざまなデータベースから非冗長配列を統合する M5nr から派生したタンパク質データベースに対して実行されます。

rRNA 配列に関連付けられた読み取りの場合、97% の同一性レベルでクラスタリング手順が実行されます。各クラスターから最も長い配列が代表として選択され、M5rna データベースに対する BLAT 検索に使用されます。このデータベースは、SILVA、Greengenes、および RDP からの配列を統合し、リボソーム RNA 配列の分析のための包括的なリファレンスを提供します。

データは、主に存在量プロファイルなど、いくつかの主要な製品に供給されます。これらのプロファイルは、類似性ファイルにある情報を、より理解しやすい形式で要約および再編成します。

最後に、得られた存在量プロファイルがそれぞれのデータベースにロードされます。

G-RAST はメタゲノム解析の強力なツールであるだけでなく、データ探索の宝庫でもあります。さまざまなデータセットのメタゲノム プロファイルを視覚化して比較するための多様なツールボックスを活用できます。構成、品質、機能、サンプル タイプなどの詳細に基づいてフィルター処理し、検索をカスタマイズできます。統計的推論や生態学的分析をさらに深く掘り下げることができます。これらはすべて、ユーザーフレンドリーな Web インターフェイス内で行えます。

• メタゲノミクス

• MG-RAST Web サーバー
• 翻訳
• MG-RAST マニュアル
• M5NR