Evaluación y comparación de métodos de ensamblaje y binning a partir de datos metagenómicos reales
La secuenciación masiva ha permitido analizar el contenido genómico de todos los microorganismos de una muestra (metagenómica), sin necesidad de cultivarlos. El análisis de datos shotgun representa un gran reto. Agrupar las secuencias obtenidas en distintas especies metagenómicas basándose en refere...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2019 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/97387 |
| Acceso en línea: | http://hdl.handle.net/10609/97387 |
| Access Level: | acceso abierto |
| Palabra clave: | metagenómica ensamblaje binning metagenomics assembly metagenòmica assemblatge Bioinformatics -- TFM Bioinformàtica -- TFM |
| Sumario: | La secuenciación masiva ha permitido analizar el contenido genómico de todos los microorganismos de una muestra (metagenómica), sin necesidad de cultivarlos. El análisis de datos shotgun representa un gran reto. Agrupar las secuencias obtenidas en distintas especies metagenómicas basándose en referencias externas supone que muchas secuencias quedan sin asignar, por lo que parecen más adecuados los métodos independientes de referencia (binning). El objetivo de este trabajo fue comparar dos métodos de ensamblaje y dos métodos de binning analizando datos metagenómicos reales. Se realizó el ensamblaje de-novo de las secuencias depuradas con dos ensambladores: MEGAHIT y MetaSPAdes. La bondad de estos ensamblajes se analizó con QUAST. A partir de los contigs, se generó un catálogo de genes únicos y se realizó el binning con Canopy y MetaBAT2. La bondad de los binning se evaluó con CheckM. Se trabajó en un clúster de supercomputadores y, siempre que fue posible, los trabajos se ejecutaron en paralelo, para optimizar el tiempo de análisis. En relación al ensamblaje, se obtuvieron mejores resultados utilizando MetaSPAdes que MEGAHIT. Respecto al binning, los resultados obtenidos indican que Canopy generó muchos más bins que MetaBAT2, pero al visualizar los bins obtenidos se comprobó que los resultados eran sub-óptimos para ambos. Trabajar en un clúster de PCs permite ahorrar tiempo de análisis y optimizar recursos. Teniendo en cuenta estos datos, son necesarios nuevos enfoques para conseguir mejores resultados: estrategia single-sample basada en contigs, usar contigs completos en lugar de genes y testear el resultado de co-ensamblaje múltiple para varias muestras. |
|---|