Pre-binning correction of chimeric contigs reduces reference-discordant gene annotations in near-complete metagenome-assembled genomes
L'étude présente DeepMM, un outil d'apprentissage profond qui détecte et corrige les contigs chimériques interespèces dans les génomes assemblés par métagénomique avant le regroupement (binning), réduisant ainsi de manière significative les annotations de gènes et de facteurs de virulence discordantes par rapport aux références, lesquelles sont souvent manquées par les contrôles de qualité standard basés sur des marqueurs.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Dans le monde caché de l'intestin humain, du fond des océans et du sol sous nos pieds, des trillions d'organismes microscopiques vivent dans des communautés complexes. Les scientifiques ne peuvent pas cultiver la plupart de ces microbes en laboratoire, ils s'appuient donc sur une technique appelée métagénomique pour les étudier. Au lieu d'isoler un seul microbe, les chercheurs prélèvent un échantillon de l'environnement, séquencent tout l'ADN qu'il contient et utilisent de puissants ordinateurs pour reconstituer le code génétique. L'objectif est de reconstruire le génome complet d'espèces individuelles, créant ainsi un blueprint numérique appelé génome assemblé par métagénomique. Ces plans sont essentiels pour comprendre ce que font ces formes de vie invisibles et comment elles interagent avec leur environnement. Cependant, le processus de réassemblage de ces génomes est comparable à une tentative de résolution d'un puzzle massif où de nombreuses pièces se ressemblent et où l'image sur la boîte est manquante. Parfois, l'ordinateur colle accidentellement des morceaux de deux puzzles différents, créant une seule longue bande d'ADN appartenant à deux organismes distincts.
Pendant des années, les scientifiques ont utilisé une liste de contrôle standard pour juger de la qualité de ces génomes reconstitués. Ils recherchent des gènes spécifiques et universels que chaque bactérie devrait posséder. Si un génome possède presque tous ces gènes et très peu de doublons, il est considéré comme « quasi complet » et digne de confiance. Mais cette méthode présente un angle mort. Elle peut vous indiquer qu'un génome est presque complet, mais elle ne peut pas voir si un morceau d'ADN étranger a été collé au milieu d'un seul brin. Cette erreur cachée, connue sous le nom de chimère, signifie que le génome peut paraître parfait sur le papier tout en contenant un mélange de deux espèces différentes. Si la pièce étrangère porte un gène pour une toxine ou une maladie, le scientifique pourrait croire à tort que l'organisme inoffensif qu'il étudie est dangereux. C'est le problème que une équipe de chercheurs de l'Université Baptiste de Hong Kong et de l'Université de Médecine Chinoise de Jiangxi a cherché à résoudre. Ils ont découvert que ces mélanges cachés sont bien plus courants que quiconque ne le réalisait, même dans les génomes qui réussissent tous les contrôles de qualité standards, et ils ont développé un nouvel outil pour les corriger avant que l'analyse finale ne commence.
Les chercheurs ont examiné une vaste collection de données provenant de huit environnements de test différents, allant des intestins humains aux racines des plantes. Ils ont constaté que dans près de 70 % des génomes de haute qualité créés par un programme informatique populaire, et dans environ 20 % de ceux créés par un autre, il y avait au moins un cas où l'ADN de deux espèces différentes avait été fusionné en un seul brin. Dans les cas les plus touchés, ces brins fusionnés constituaient près de 4 % du génome entier. Plus important encore, ces sections fusionnées portaient souvent des gènes qui n'appartenaient pas à l'organisme principal. Dans certains cas, l'ADN fusionné comprenait des instructions pour des facteurs de virulence, qui sont des outils que les bactéries utilisent pour causer des maladies. Comme les contrôles de qualité standards ne regardaient que le nombre global de gènes universels, ces instructions dangereuses ou étrangères passaient inaperçues, menant potentiellement les scientifiques à identifier de manière erronée les capacités des microbes qu'ils étudient.
Pour remédier à cela, l'équipe a construit un nouvel outil logiciel appelé DeepMM. Au lieu de simplement compter les gènes, cet outil examine la façon dont les lectures d'ADN s'alignent avec le matériel génétique original. Imaginez une longue bande d'ADN comme une route ; si une voiture roule sur une section où la texture ou la couleur du revêtement change soudainement, elle laisse une marque spécifique. DeepMM scanne les données d'alignement pour détecter ces subtils « changements de revêtement », tels que des variations soudaines dans la manière dont les fragments d'ADN couvrent un endroit ou dans la façon dont les fragments sont orientés. Il utilise un type d'intelligence artificielle entraînée sur des millions de scénarios simulés pour reconnaître ces motifs et localiser précisément l'endroit où la fusion s'est produite. Une fois l'endroit trouvé, il coupe la longue bande d'ADN en deux morceaux distincts avant que l'ordinateur ne tente de les regrouper en un génome. Cela permet au logiciel de conserver la partie correcte de la séquence et de rejeter la pièce étrangère, garantissant que le génome final est pur.
Lorsque les chercheurs ont testé cette nouvelle méthode, les résultats ont été frappants. Dans les ensembles de données de test, DeepMM était nettement meilleur pour détecter ces erreurs cachées que les outils existants. Plus important encore, lorsqu'ils ont utilisé DeepMM pour nettoyer les données avant de construire les génomes, le nombre de génomes de haute qualité, quasi complets, qu'ils pouvaient récupérer a réellement augmenté. Le processus de découpe des brins fusionnés n'a pas détruit les données ; au contraire, il a permis à l'ordinateur d'assembler des génomes plus précis et plus complets. Dans les cas de test spécifiques où ils pouvaient comparer les résultats à une vérité connue, la nouvelle méthode a réduit le nombre de gènes étrangers de 35 % et a réduit de 43 % le nombre de faux appels de gènes liés aux maladies. Un exemple spécifique impliquait une bactérie qui semblait posséder un gène pour une toxine puissante. Après que DeepMM a divisé le brin fusionné, il est devenu clair que le gène de la toxine appartenait à une bactérie entièrement différente et a été retiré du génome final, ne laissant derrière lui que l'information génétique correcte.
L'étude conclut que se fier uniquement aux contrôles de qualité standards ne suffit pas à garantir l'exactitude des génomes microbiens. Même lorsqu'un génome semble complet et propre selon les mesures traditionnelles, il peut encore receler des erreurs cachées qui faussent notre compréhension de la biologie de l'organisme. En divisant ces brins fusionnés avant l'assemblage final, les scientifiques peuvent empêcher l'ADN étranger de contaminer leurs données. Cette approche ne fait pas que corriger les erreurs ; elle améliore la récupération globale des génomes, permettant aux chercheurs de voir une image plus claire du monde microbien. Bien que l'outil ait été testé sur des ensembles de données spécifiques et des environnements simulés, les conclusions suggèrent qu'une étape simple de vérification et de correction de ces fusions pourrait considérablement améliorer la fiabilité des futures études sur le vaste monde non cultivé des microbes.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.