Taxonomic profilers and their influence on metagenomic diversity analyses

あなたは、ミステリーを解決しようとしている探偵だと想像してください。謎は「この小さく、目に見えない都市には誰が住んでいるのか？」です。微生物研究の世界において、その都市とは土壌や唾液、あるいは糞便のサンプルであり、その住民とは数十億もの小さな微生物たちです。そこに誰が住んでいるのかを知るために、科学者たちは**タクソノミー・プロファイラー（分類学的プロファイラー）**と呼ばれる特別なソフトウェアツールを使用します。これらのツールは、超高速の司書のように機能し、何百万ものDNAの「ページ」をスキャンして、既知の微生物が登録された巨大な参照ライブラリと照合し、ゲストリストを作成します。

しかし、ここにひねりがあります。異なる司書たちは、それぞれ異なるカタログを使用したり、何をもって「ゲスト」とカウントするかという異なるルールを持っていたりするため、必ずしも一致するわけではありません。ジョナサン・ロンドー＝ルクレアール氏とその仲間たちが率いたこの論文は、最も人気のある4つの「司書」（mOTUs、MetaPhlAn、Kraken2、Sourmash）をテストすることに決めました。彼らは単に作られた架空のデータを使ったのではなく、ヒトの腸内や皮膚から苔、ハチの腸内まで、8つのデータセットにわたる1,211の実際のメタゲノムを掘り下げました。

ゲストリストの大いなる不一致

チームは、どの司書を選ぶかによって、物語が大きく変わることを発見しました。もしあるツールにゲストの数を数えるよう頼めば、「わあ、500種類の異なる種がいるよ！」と言うかもしれません。別のツールに頼めば、「いや、実際には200種類しか見当たらないよ」と言うかもしれません。

この論文は、アルファ多様性（「部屋の中にどれだけの種類のゲストがいて、それらがどれほど均等に広がっているか」を意味する、少し凝った言い方）が、どのツールを選ぶかに極めて敏感であることを明らかにしました。

• 「DNA対マーカー」の司書たち： MetaPhlAnやmOTUsのようなツールは、微生物の特定の「名札」（マーカー遺伝子）を探します。同じタイプのライブラリを使用している場合でも、これら2つのツールは異なる多様性カウントを示しました。例えば、シャノン多様性を見たとき、mOTUs4はMetaPhlAn4よりも高い多様性を見出しました（**95.5%**のサンプルにおいて）。
• 「DNA対DNA」の司書たち： Kraken2やSourmashは、DNA配列全体を比較します。これは、文章全体を照合するようなものです。これらはさらに激しい変動を見せました。同じデータベースを使用した場合、Kraken2はSourmashよりもはるかに多くの種を報告することがよくありました。実際、特定の条件下では、Kraken2は平均1,167 ± 625.7の種を見つけたのに対し、Sourmashは見つけたのはわずか192 ± 48.69でした。

著者らは、これらの違いは単なるランダムなノイズではなく、ツールの内部ロジックによって引き起こされていると示唆しています。例えば、Kraken2は「たとえ一つの小さな手がかりでも見つかれば、そのゲストをリストに載せる」と言う司書のようなものであり、一方でSourshawはより厳格で、「名前をリストに加える前に、証拠の山が必要だ」と言うようなものです。

ライブラリも重要である

重要なのは司書だけではありません。彼らが使っている「ライブラリ」も同様です。この論文では、2つの大規模な参照データベース、RefSeq（NCBIの分類に基づく）とGTDB（系統ゲノム学的な関係に基づく）をテストしました。

• GTDBライブラリは、RefSeqの27,285種に対し、113,104種を超える種を含んでおり、非常に大規模でした。
• 当然ながら、より大きなライブラリ（GTDB）を使用すると、より多くの多様性が見つかりました。論文では、GTDBを使用すると、ツールがShigella（シゲラ菌）をE. coli（大腸菌）の下にグループ化してしまう可能性があり、それがゲストリストの構造全体を変えてしまう可能性があると指摘しています。

「だから何なのか？」という瞬間：結論は変わるのか？

ここがこの物語の最も重要な部分です。ゲストリストが異なっても、それは問題になるのでしょうか？ はい、時にはなります。

研究者が「病気の人の多様性と健康な人の多様性は異なるのか？」と問いかけたとき、その答えはどのツールを使用したかに完全に依存していました。

• Gut PD（パーキンソン病）のデータセット（719サンプル）では、グループ間の違いは13のメソドロジーのうち9つにおいて統計的に有意でした。しかし、その「差の強さ」（効果量）は、0.04から0.13まで激しく変動しました。
• Gut NAFLD（非アルコール性脂肪肝疾患）のデータセットでは、特定の構成（高信頼度の設定を用いたKrakenとRefSeqの組み合わせ）のみが有意な差を見出しましたが、他の設定は「いや、ここには何もない」と答えました。
• この論文は、これらのツールがすべて互換性があるという考えに対して、明確に異議を唱えています。彼らは、アルファ多様性の分析が手法の選択によって左右されることを示しており、つまり、研究者が自分の仮説が正しく見えるように、あるいは間違っているように見えるように、意図的あるいは偶然にツールを選んでしまう可能性があることを示していますしているのです。

良いニュース：ベータ多様性は安定している

ゲストの「数」（アルファ多様性）は不安定でしたが、ゲストの「配置」（ベータ多様性）はより安定していました。ベータ多様性は、「グループAのゲストは、グループBのゲストと異なっているか？」と問いかけます。

• 著者らは、具体的な数値は変わるものの、グループ間に違いがあるかどうかという統計的な結論は、通常、同じ状態に保たれることを発見しました。
• 例えば、Gut RA（関節リウマチ）のデータセットでは、ほとんどのツールがグループが明確に異なっているという点で一致していました。たとえ、正確に何種類の種が存在するかについては意見が分かれたとしてもです。
• しかし、論文は、RefSeqデータベースをKrakenで使用すると、時としてGTDBを使用した場合とは異なる結果を招くことがあると指摘しており、より大きく完全なライブラリを使用することが、大きな絵を描く上でツールを一致させる助けになる可能性を示唆しています。

まとめ

著者らは、あらゆることに適した唯一の「最高の」ツールは存在しないと結論づけています。「正しい」選択は、あなたの具体的な問い、サンプルの種類、そして利用可能なライブラリによって決まります。

彼らは、自分の望む結果が出るからといってツールを「チェリーピッキング（つまみ食い）」することに対して警告を発しています。代わりに、以下のことを提案しています。

1. 透明性を保つこと： どのツール、データベース、および設定を使用したかを明確に述べること。
2. 自分の仕事を検証すること： ツールやデータベースを入れ替えた場合に、自分の主要な結論が維持されるかどうかを確認する「感度分析」を行うこと。
3. 「リンゴとオレンジ」を比較しないこと： ツールAを使用した研究の多様性の数値と、ツールBを使用した研究の数値を直接比較することはできません。なぜなら、数値そのものがソフトウェアの影響を受けているからです。

要するに、この論文は、これらのツールは強力ではあるものの、魔法の杖ではないことを示唆しています。それらは「レンズ」であり、異なるレンズは同じ微小な世界に対して異なるバージョンを見せる可能性があります。最も真実の姿を得るためには、科学者は自分がどのレンズを通して見ているのかを正確に知っておく必要があるのです。