Pre-binning correction of chimeric contigs reduces reference-discordant gene annotations in near-complete metagenome-assembled genomes

In der verborgenen Welt des menschlichen Darms, des Meeresbodens und der Erde unter unseren Füßen leben Billionen mikroskopisch kleiner Organismen in komplexen Gemeinschaften. Wissenschaftler können die meisten dieser Mikroben nicht in einem Labor züchten, daher verlassen sie sich auf eine Technik namens Metagenomik, um sie zu untersuchen. Anstatt einen einzelnen Erreger zu isolieren, nehmen Forscher eine Probe der Umgebung, sequenzieren die gesamte darin enthaltene DNA und nutzen leistungsstarke Computer, um den genetischen Code wieder zusammenzusetzen. Das Ziel ist es, das vollständige Genom einzelner Arten zu rekonstruieren und so einen digitalen Bauplan zu erstellen, der als metagenom-assembliertes Genom bekannt ist. Diese Baupläne sind entscheidend, um zu verstehen, was diese unsichtbaren Lebensformen tun und wie sie mit ihrer Umwelt interagieren. Der Prozess der Rekonstruktion dieser Genome gleicht jedoch dem Versuch, ein riesiges Puzzle zu lösen, bei dem viele Teile identisch aussehen und das Bild auf dem Karton fehlt. Manchmal klebt der Computer versehentlich Teile von zwei verschiedenen Puzzles zusammen und erschafft so einen einzigen, langen DNA-Streifen, der zu zwei verschiedenen Organismen gehört.

Jahrelang haben Wissenschaftler eine Standard-Checkliste verwendet, um die Qualität dieser rekonstruierten Genome zu beurteilen. Sie suchen nach spezifischen, universellen Genen, die jedes Bakterium besitzen sollte. Wenn ein Genom fast alle diese Gene und nur sehr wenige Duplikate aufweist, gilt es als „nahezu vollständig“ und vertrauenswürdig. Aber diese Methode hat einen blinden Fleck. Sie kann Ihnen sagen, dass ein Genom weitgehend vollständig ist, aber sie kann nicht erkennen, ob ein fremdes Stück DNA in die Mitte eines einzelnen Strangs geklebt wurde. Dieser verborgene Fehler, bekannt als Chimäre, bedeutet, dass das Genom auf dem Papier perfekt aussehen kann, während es in Wirklichkeit eine Mischung aus zwei verschiedenen Arten ist. Wenn das fremde Stück ein Gen für ein Toxin oder eine Krankheit trägt, könnte der Wissenschaftler fälschlicherweise glauben, dass der harmlose Organismus, den er untersucht, gefährlich ist. Dies ist das Problem, das ein Team von Forschern der Hong Kong Baptist University und der Jiangxi University of Chinese Medicine lösen wollte. Sie entdeckten, dass diese verborgenen Verwechslungen weitaus häufiger vorkommen, als man bisher annahm – selbst in Genomen, die alle Standard-Qualitätskontrollen bestanden hatten – und entwickelten ein neues Werkzeug, um sie zu beheben, bevor die endgültige Analyse beginnt.

Die Forscher untersuchten eine riesige Sammlung von Daten aus acht verschiedenen Testumgebungen, die von menschlichen Darmbereichen bis hin zu Pflanzenwurzeln reichten. Sie fanden heraus, dass in fast 70 Prozent der hochwertigen Genome, die von einem populären Computerprogramm erstellt wurden, und in etwa 20 Prozent der von einem anderen Programm erstellten Genome mindestens ein Fall vorlag, in dem DNA von zwei verschiedenen Arten zu einem einzigen Strang verschmolzen worden war. In den am stärksten betroffenen Fällen machten diese verschmolzenen Stränge fast 4 Prozent des gesamten Genoms aus. Noch wichtiger ist, dass diese verschmolzenen Abschnitte oft Gene enthielten, die nicht zum Hauptorganismus gehörten. In einigen Fällen enthielt die verschmolzene DNA Anweisungen für Virulenzfaktoren, also Werkzeuge, die Bakterien nutzen, um Krankheiten zu verursachen. Da die Standard-Qualitätskontrollen nur die Gesamtzahl der universellen Gene berücksichtigten, schlichen sich diese gefährlichen oder fremden Anweisungen unentdeckt ein, was potenziell dazu führen kann, dass Wissenschaftler die Fähigkeiten der Mikroben, die sie untersuchen, falsch identifizieren.

Um dies zu adressieren, entwickelte das Team ein neues Software-Tool namens DeepMM. Anstatt nur Gene zu zählen, untersucht dieses Tool, wie die DNA-Reads mit dem ursprünglichen genetischen Material übereinstimmen. Stellen Sie sich einen langen DNA-Streifen als eine Straße vor; wenn ein Auto über einen Abschnitt fährt, in dem sich die Textur oder Farbe des Asphalts plötzlich ändert, hinterlässt es eine spezifische Markierung. DeepMM scannt die Alignment-Daten nach diesen subtilen „Veränderungen im Asphalt“, wie etwa plötzlichen Verschiebungen in der Anzahl der DNA-Fragmente, die eine Stelle abdecken, oder wie die Fragmente orientiert sind. Es nutzt eine Art von künstlicher Intelligenz, die auf Millionen von simulierten Szenarien trainiert wurde, um diese Muster zu erkennen und genau zu bestimmen, wo die Fusion stattgefunden hat. Sobald es die Stelle findet, schneidet es den langen DNA-Strang in zwei separate Teile, bevor der Computer versucht, sie zu einem Genom zusammenzufügen. Dies ermöglicht es der Software, den korrekten Teil der Sequenz zu behalten und das fremde Stück zu verwerfen, wodurch sichergestellt wird, dass das endgültige Genom rein ist.

Als die Forscher diese neue Methode testeten, waren die Ergebnisse beeindruckend. In den Testdatensätzen war DeepMM signifikant besser darin, diese verborgenen Fehler aufzuspüren, als bestehende Tools. Noch wichtiger ist, dass die Anzahl der hochwertigen, nahezu vollständigen Genome, die sie durch die Verwendung von DeepMM vor dem Aufbau der Genome gewinnen konnten, tatsächlich anstieg. Der Prozess des Schneidens der verschmolzenen Stränge zerstörte die Daten nicht; stattdessen ermöglichte er es dem Computer, genauere und vollständigere Genome zu assemblieren. In den spezifischen Testfällen, in denen sie die Ergebnisse mit einer bekannten Wahrheit vergleichen konnten, reduzierte die neue Methode die Anzahl der fremden Gene um 35 Prozent und senkte die Anzahl der falschen Aufrufe von krankheitsrelevanten Genen um 43 Prozent. Ein spezifisches Beispiel betraf ein Bakterium, das anscheinend ein Gen für ein starkes Toxin besaß. Nachdem DeepMM den verschmolzenen Strang getrennt hatte, wurde klar, dass das Toxin-Gen zu einem völlig anderen Bakterium gehörte und aus dem endgültigen Genom entfernt wurde, sodass nur noch die korrekten genetischen Informationen übrig blieben.

Die Studie kommt zu dem Schluss, dass es nicht ausreicht, sich allein auf Standard-Qualitätskontrollen zu verlassen, um die Genauigkeit mikrobieller Genome zu garantieren. Selbst wenn ein Genom gemäß traditioneller Metriken vollständig und sauber erscheint, kann es immer noch verborgene Fehler beherbergen, die unser Verständnis der Biologie des Organismus verzerren. Durch das Aufteilen dieser verschmolzenen Stränge vor der endgültigen Assemblierung können Wissenschaftler verhindern, dass fremde DNA ihre Daten kontaminiert. Dieser Ansatz behebt nicht nur Fehler; er verbessert die gesamte Rekonstruktion von Genomen und ermöglicht es Forschern, ein klareres Bild der mikrobiellen Welt zu sehen. Obwohl das Werkzeug an spezifischen Datensätzen und simulierten Umgebungen getestet wurde, legen die Ergebnisse nahe, dass ein einfacher Schritt der Überprüfung und Korrektur dieser Fusionen die Zuverlässigkeit zukünftiger Studien in der riesigen, unkultivierten Welt der Mikroben erheblich verbessern könnte.