Pre-binning correction of chimeric contigs reduces reference-discordant gene annotations in near-complete metagenome-assembled genomes
Lo studio introduce DeepMM, uno strumento di deep learning che rileva e corregge i contig chimerici interspecifici nei genomi assemblati da metagenomi prima del binning, riducendo così significativamente le annotazioni di geni e fattori di virulenza discordanti rispetto al riferimento che spesso vengono trascurate dai controlli di qualità basati su marcatori standard.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA di un preprint non sottoposto a revisione paritaria. Non è un consiglio medico. Non prendere decisioni sulla salute basandoti su questo contenuto. Leggi il disclaimer completo
Nel mondo nascosto dell'intestino umano, del fondale oceanico e del suolo sotto i nostri piedi, trilioni di organismi microscopici vivono in comunità complesse. Gli scienziati non possono coltivare la maggior parte di questi microbi in laboratorio, quindi si affidano a una tecnica chiamata metagenomica per studiarli. Invece di isolare un singolo organismo, i ricercatori prelevano un campione dell'ambiente, sequenziano tutto il DNA contenuto al suo interno e utilizzano potenti computer per ricomporre il codice genetico. L'obiettivo è ricostruire il genoma completo delle singole specie, creando una traccia digitale nota come genoma assemblato da metagenoma. Queste tracce sono essenziali per comprendere cosa fanno queste forme di vita invisibili e come interagiscono con il loro ambiente. Tuttavia, il processo di riassemblaggio di questi genomi è come cercare di risolvere un enorme puzzle dove molti pezzi sembrano identici e l'immagine sulla scatola è mancante. A volte, il computer inavvertitamente incolla insieme pezzi di due puzzle diversi, creando una singola, lunga striscia di DNA che appartiene a due organismi differenti.
Per anni, gli scienziati hanno utilizzato una lista di controllo standard per giudicare la qualità di questi genomi ricostruiti. Cercano geni specifici e universali che ogni batterio dovrebbe avere. Se un genoma possiede quasi tutti questi geni e ha pochissimi duplicati, è considerato "quasi completo" e affidabile. Ma questo metodo ha un punto cieco. Può dirvi che un genoma è per lo più completo, ma non può vedere se un pezzo di DNA estraneo è stato incollato nel mezzo di un singolo filamento. Questo errore nascosto, noto come chimera, significa che il genoma potrebbe sembrare perfetto sulla carta, pur contenendo un mix di due specie diverse. Se il pezzo estraneo trasporta un gene per una tossina o una malattia, lo scienziato potrebbe erroneamente credere che l'organismo innocuo che sta studiando sia pericoloso. Questo è il problema che un team di ricercatori della Hong Kong Baptist University e della Jiangxi University of Chinese Medicine ha cercato di risolvere. Hanno scoperto che questi mix nascosti sono molto più comuni di quanto si pensasse, anche nei genomi che superavano tutti gli standard di controllo qualità, e hanno sviluppato un nuovo strumento per correggerli prima che inizi l'analisi finale.
I ricercatori hanno esaminato una vasta collezione di dati provenienti da otto diversi ambienti di test, che spaziano dall'intestino umano alle radici delle piante. Hanno scoperto che in quasi il 70 percento dei genomi di alta qualità creati da un popolare programma informatico, e in circa il 20 percento di quelli creati da un altro, c'era almeno un caso in cui il DNA di due specie diverse era stato fuso in un singolo filamento. Nei casi più colpiti, questi filamenti fusi costituivano quasi il 4 percento dell'intero genoma. Cosa più importante, queste sezioni fuse spesso trasportavano geni che non appartenevano all'organismo principale. In alcuni casi, il DNA fuso includeva istruzioni per fattori di virulenza, ovvero strumenti che i batteri usano per causare malattie. Poiché i controlli di qualità standard guardavano solo al conteggio complessivo dei geni universali, queste istruzioni pericolose o estranee passavano inosservate, portando potenzialmente gli scienziati a identificare erroneamente le capacità dei microbi che stavano studiando.
Per affrontare questa sfida, il team ha costruito un nuovo strumento software chiamato DeepMM. Invece di contare solo i geni, questo strumento osserva come le letture del DNA si allineano con il materiale genetico originale. Immaginate una lunga striscia di DNA come una strada; se un'auto passa sopra una sezione dove la pavimentazione cambia improvvisamente consistenza o colore, lascia un segno specifico. DeepMM scansiona i dati di allineamento alla ricerca di questi sottili "cambiamenti di pavimentazione", come cambiamenti improvvisi nel modo in cui i frammenti di DNA coprono un punto o nel modo in cui i frammenti sono orientati. Utilizza un tipo di intelligenza artificiale addestrata su milioni di scenari simulati per riconoscere questi schemi e individuare esattamente dove è avvenuta la fusione. Una volta trovato il punto, taglia la lunga striscia di DNA in due pezzi separati prima che il computer provi a raggrupparli in un genoma. Ciò consente al software di mantenere la parte corretta della sequenza e di scartare il pezzo estraneo, garantendo che il genoma finale sia puro.
Quando i ricercatori hanno testato questo nuovo metodo, i risultati sono stati sorprendenti. Nei dataset di test, DeepMM è stato significativamente più bravo a individuare questi errori nascosti rispetto agli strumenti esistenti. Ancora più importante, quando hanno usato DeepMM per pulire i dati prima di costruire i genomi, il numero di genomi di alta qualità e quasi completi che potevano recuperare è effettivamente aumentato. Il processo di taglio dei filamenti fusi non ha distrutto i dati; al contrario, ha permesso al computer di assemblare genomi più accurati e completi. Nei casi di test specifici in cui potevano confrontare i risultati con una verità nota, il nuovo metodo ha ridotto il numero di geni estranei del 35 percento e ha tagliato il numero di falsi richiami di geni legati alle malattie del 43 percento. Un esempio specifico riguardava un batterio che sembrava possedere un gene per una potente tossina. Dopo che DeepMM ha diviso il filamento fuso, è diventato chiaro che il gene della tossina apparteneva a un batterio completamente diverso ed è stato rimosso dal genoma finale, lasciando dietro di sé solo l'informazione genetica corretta.
Lo studio conclude che affidarsi esclusivamente agli standard di controllo qualità non è sufficiente per garantire l'accuratezza dei genomi microbici. Anche quando un genoma appare completo e pulito secondo le metriche tradizionali, può ancora ospitare errori nascosti che distorcono la nostra comprensione della biologia dell'organismo. Dividendo questi filamenti fusi prima dell'assemblaggio finale, gli scienziati possono prevenire la contaminazione dei loro dati da parte di DNA estraneo. Questo approccio non si limita a correggere gli errori; migliora il recupero complessivo dei genomi, permettendo ai ricercatori di vedere un quadro più chiaro del mondo microbico. Sebbene lo strumento sia stato testato su dataset specifici e ambienti simulati, i risultati suggeriscono che un semplice passaggio di controllo e correzione di queste fusioni potrebbe migliorare significativamente l'affidabilità dei futuri studi sul vasto e non coltivato mondo dei microbi.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.