метагеномика

В статье представлен itBins — полностью автоматизированное программное обеспечение на базе Python, предназначенное для сверхбыстрого уточнения метагеномных бинов. Инструмент использует правиловой подход, опираясь на данные о содержании ГЦ-пар (%GC), покрытии и таксономии отдельных контигов. В ходе тестирования на наборах данных CAMI I (низкой, средней и высокой сложности) itBins продемонстрировал более высокие показатели F-меры по сравнению с такими инструментами, как MDMcleaner и Rosella, и показал результаты, сопоставимые с ручным уточнением через uBin. Скорость работы программы составляет в среднем 61 мс на один бин, что на три порядка быстрее существующих аналогов. При применении к 64 реальным метагеномам речных мезокосмов инструмент успешно сформировал 259 среднекачественных и 19 высококачественных MAG (метагеномно-собранных геномов), в то время как другие автоматизированные средства не смогли завершить работу даже за 5000 часов. Кроме того, itBins использует маркерные гены для оценки общего успеха биннинга, что позволяет исследователям определять экологическую релевантность полученных данных. Программное обеспечение совместимо с DASTool и доступно через Bioconda, GitHub и Codeberg.

Исследователи представили DIANA — многозадачную нейронную сеть, предназначенную для автоматизации анализа метаданных в области древней метагеномики. В отличие от традиционных методов, зависящих от референсных баз данных, DIANA предсказывает ключевые категории метаданных непосредственно на основе обилия унитигов. Модель была обучена на колоссальном массиве данных, включающем 2 597 регистраций с общим объемом собранных последовательностей 1,72 Тб. В ходе тестирования система продемонстрировала высокую точность: идентификация хозяина образца составила 94,6%, определение типа сообщества — 90,0%, а типа материала — 88,9%. Важной инновацией является способность к семантической генерализации, позволяющая корректно классифицировать даже те образцы, подтипы которых не встречались в обучающей выборке. Данная технология значительно ускоряет процессы валидации метаданных и контроля качества, что критически важно для масштабных исследований древних микробиомов.

В исследовании представлен MAG-E (MAG pipeline Evaluator) — новый универсальный и расширяемый фреймворк для сквозной оценки процессов создания метагеномно-собранных геномов (MAG). Методология базируется на использовании симуляций, адаптированных под конкретные экосистемы, что позволяет получить «ground truth» для точного бенчмаркинга этапов сборки, биннинга и контроля качества. В ходе тестирования на данных микробиома кишечника человека авторы сравнили два ассемблера, шесть алгоритмов биннинга и три метода контроля качества. Результаты показали, что metaSPAdes превосходит MEGAHIT по полноте (recall), а алгоритм COMEBin демонстрирует лучшую общую производительность, хотя SemiBin2 обеспечивает более высокую точность (precision). Исследование выявило критическую проблему: CheckM2 систематически завышает полноту и занижает уровень контаминации, что частично исправляется использованием GUNC. Также обнаружено, что алгоритмы биннинга плохо справляются с профагами и общими контигами, что указывает на необходимость дальнейшего развития биоинформатических инструментов для анализа микробиома.