利用宏基因组测序分析细菌流行病学和菌株
微生物群落通常由同一物种的多个菌株组成的复杂混合物，具有广泛的基因组和表型变异性。在微生物生态学中，为了充分发挥宏基因组测序的潜能，从传染病流行病学到微生物定植的动态界定 ，找到能够识别、量化和分类样品中不同的菌株的计算方法是最根本的。
在这里，我们提出了一种计算方法，使用可用的基因组数据，从宏基因组测序重建复杂的菌株图谱，量化不同菌株的丰度，根据物种的种群结构对它们编目。
我们利用合成数据集对该方法进行了验证，并将其应用于实际样品中几种重要细菌菌种的菌株分布表征界定，展示了该应用对微生物群落结构和复杂性的新见解。
然而，为了充分利用宏基因组学在临床和流行病学的应用潜力，需要一种新的计算技术，在同种菌株之间的表型和基因组变异水平已知的情况下，在物种水平分辨率之上，分析微生物群落。
目前广泛使用的是基于标记的计算方法，该方法通过基因组测序数据，采集基因组标记，分析宏基因组样品的分类组成。
在这里，我们提出一个新的宏基因组测序数据分析方法，StrainEst，基于引用的方法，利用所选择的菌种的可用基因组的单核苷酸变异（SNV）分析，来确定共存的菌株的身份和数量，以及他们在混合宏基因组样品中的相对丰度。
除了做为一种可以同时界定所有物种的通用的工具， StrainEst利用SNV分析聚类，定义菌种结构，着重于相关的菌种。
利用惩罚优化程序分解独立的组件，StrainEst识别并量化样品种所有相关菌种，提高目前菌株识别方法的分辨率。
此外，通过使用具有代表性的基因组测序预定义数据库对组成分类，StrainEst允许大型荟萃分析编辑 ，包括无关研究的样本，是流行病学研究中，广泛使用宏基因组学的基础。
StrainEst 概述
a.
给定相关菌种的基因草图和完整图（G1,G2...）,菌种代表（SR），计算出两两的Mash距离。SR中Mash的距离大于0.1的基因组被剔除，剩下的聚集一起，去除冗余序列。
对于每个聚类，选择与其他成员平均距离最小的基因组作为代表（R1，R2，…）。
b.
SR using MUMmer ( nucmer command with default parameters),
用nucmer（MUMmer软件）对比SR，映射代表序列，删除模糊映射。
c.
每个代表的变异位点的位置（P1，P2，…）被识别，SNV数据被提取。数据保持99%的一致性，保证它们的代表性。
d.
考虑到该物种的变异，为宏基因组读取队列设置参数组，为宏基因组队列步骤（A1, A2, …）选择基因组。
e.
对比SR，映射。
f.
对于每个宏基因组（MG），用Bowtie 2让读取与选定的基因组一致。
g.
按步骤明确的不同位置上（C）的等位基因变异的频率，从BAM文件提取。
根据用户定义的滤波参数过滤低覆盖率的位点；最后通过套索回归推断相对丰度。
参考文献
Strain profiling and epidemiology of bacterial species from metagenomic sequencing
Davide Albanese & Claudio Donati
相关阅读