全宏基因组测序样本的探索与检索
基因组学
2014-04-04 v2 计算工程、金融与科学
信息检索
摘要
近年来，由于高通量测序技术使得基因组样本的测序成本更低、速度更快且覆盖度更好，全宏基因组鸟枪法测序领域见证了显著增长。这一技术进步引发了在不同条件或环境下对多个样本进行测序以探索微生物群落相似性与差异性的趋势，例如人类微生物组计划以及各种人体肠道研究。随着此类测量数据库的日益庞大，寻找与给定查询样本相似的样本已成为核心操作。在本文中，我们开发了一种基于内容的全宏基因组测序样本探索与检索方法。我们应用分布式字符串挖掘框架，从宏基因组样本池中高效提取所有信息丰富的序列-mer，并利用它们衡量两个样本之间的差异性。我们在两个人类肠道宏基因组数据集以及人类微生物组计划的宏基因组样本上评估了所提方法的性能。我们观察到，在使用另一个患病样本进行查询时，结果中患病肠道样本显著富集；尽管该方法是无监督的，但在区分不同身体部位方面仍具有极高的准确率。DSM 框架的软件实现可在 https://github.com/HIITMetagenomics/dsm-framework 获取。
引用
@article{arxiv.1308.6074,
title = {Exploration and retrieval of whole-metagenome sequencing samples},
author = {Sohan Seth and Niko Välimäki and Samuel Kaski and Antti Honkela},
journal= {arXiv preprint arXiv:1308.6074},
year = {2014}
}
备注
16 pages; additional results