💻 bioinformatics

Taxonomic profilers and their influence on metagenomic diversity analyses

Este estudo demonstra que a escolha do perfilador taxonômico, do banco de dados de referência e da parametrização influencia significativamente as estimativas de alfa diversidade e as conclusões estatísticas em análises metagenômicas, ressaltando a necessidade crítica de os pesquisadores realizarem análises de sensibilidade para garantir achados científicos robustos e confiáveis.

Autores originais: Rondeau-Leclaire, J., Blanchet, G., Jacques, P.-E., Laforest-Lapointe, I.

Publicado 2026-07-14

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Rondeau-Leclaire, J., Blanchet, G., Jacques, P.-E., Laforest-Lapointe, I.

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Imagine que você é um detetive tentando resolver um mistério: "Quem vive nesta cidade minúscula e invisível?" No mundo da pesquisa de microbioma, essa cidade é uma amostra de terra, saliva ou fezes, e seus residentes são bilhões de micróbios minúsculos. Para descobrir quem vive lá, os cientistas usam ferramentas de software especiais chamadas perfiladores taxonômicos. Essas ferramentas agem como bibliotecários super-rápidos, escaneando milhões de "páginas" de DNA e comparando-as com uma gigantesca biblioteca de referência de micróbios conhecidos para criar uma lista de convidados.

Mas aqui está a reviravolta: assim como diferentes bibliotecários podem usar catálogos diferentes ou ter regras diferentes sobre o que conta como um "convidado", essas ferramentas de software nem sempre concordam sobre a lista de convidados. Este artigo, liderado por Jonathan Rondeau-Leclaire e amigos, decidiu colocar quatro dos "bibliotecários" mais populares (mOTUs, MetaPhlAn, Kraken2 e Sourmash) à prova. Eles não se limitaram a olhar para dados falsos e inventados; eles investigaram 1.211 metagenomas reais de oito conjuntos de dados diferentes, variando de intestinos e pele humanas até musgos e intestinos de abelhas.

O Grande Discrepância na Lista de Convidados

A equipe descobriu que a escolha do bibliotecário muda a história significamente. Se você pedir a uma ferramenta para contar os convidados, ela pode dizer: "Uau, existem 500 espécies diferentes!". Pergunte a outra ferramenta e ela pode dizer: "Na verdade, eu só vejo 200".

O artigo descobriu que a diversidade alfa (uma forma elegante de dizer "quantos tipos diferentes de convidados estão na sala e quão uniformemente eles estão espalhados") é extremamente sensível à ferramenta que você escolhe.

Os Bibliotecários de "DNA-para-Marcadores": Ferramentas como MetaPhlAn e mOTUs procuram por "crachás de identificação" específicos (genes marcadores) nos micróbios. Mesmo usando o mesmo tipo de biblioteca, essas duas ferramentas forneceram contagens de diversidade diferentes. Por exemplo, o mOTUs4 encontrou uma diversidade maior do que o MetaPhlAn4 em 95,5% das amostras ao observar a diversidade de Shannon.
Os Bibliotecários de "DNA-para-DNA": Ferramentas como Kraken2 e Sourmash comparam toda a sequência de DNA, como se estivessem comparando parágrafos inteiros. Estas mostraram variações ainda mais selvagens. Ao usar a mesma base de dados, o Kraken2 frequentemente relatou muito mais espécies do que o Sourmash. De fato, com uma configuração específica, o Kraken2 encontrou uma média de 1.167 ± 625,7 espécies, enquanto o Sourdash encontrou apenas 192 ± 48,69.

Os autores sugerem que essas diferenças não são apenas ruído aleatório; elas são impulsionadas pela lógica interna das ferramentas. Por exemplo, o Kraken2 é como um bibliotecário que diz: "Se eu vir uma única pista minúscula, listarei esse convidado", enquanto o Sourmash é mais rigoroso, dizendo: "Preciso de um monte de evidências antes de adicionar um nome à lista".

A Biblioteca Também Importa

Não é apenas o bibliotecário; é também a biblioteca que ele está usando. O artigo testou duas bases de dados de referência massivas: RefSeq (baseada na taxonomia do NCBI) e GTDB (baseada em relações filogenômicas).

A biblioteca GTDB era muito maior, contendo mais de 113.104 espécies, em comparação com as 27.285 da RefSeq.
Naturalmente, o uso da biblioteca maior (GTDB) resultou na descoberta de mais diversidade. O artigo observa que, se você usar o GTDB, a ferramenta pode agrupar bactérias Shigella sob E. coli, mudando toda a estrutura da lista de convidados.

O Momento do "E Agora?": As Conclusões Mudam?

Esta é a parte mais crítica da história. Será que importa se as listas de convidados são diferentes? Sim, às vezes.

Quando os pesquisadores perguntaram: "A diversidade é diferente entre pessoas doentes e saudáveis?", a resposta dependeu inteiramente da ferramenta utilizada.

No conjunto de dados Gut PD (Doença de Parkinson) com 719 amostras, a diferença entre os grupos foi estatisticamente significativa para 9 de 13 metodologias. Mas a "força" dessa diferença (o tamanho do efeito) variou drasticamente, indo de 0,04 a 0,13.
No conjunto de dados Gut NAFLD, apenas uma configuração específica (Kraken com RefSeq em um nível de confiança alto) encontrou uma diferença significativa, enquanto as outras disseram: "Não, nada aqui".
O artigo argumenta explicitamente contra a ideia de que todas essas ferramentas sejam intercambiáveis. Eles mostram que a análise de diversidade alfa pode ser impulsionada por escolhas metodológicas, o que significa que um pesquisador poderia acidentalmente (ou intencionalmente) escolher uma ferramenta que faça sua hipótese parecer verdadeira ou falsa.

A Boa Notícia: A Diversidade Beta é Mais Estável

Embora a "contagem" de convidados (diversidade alfa) fosse instável, a "arrumação" dos convidados (diversidade beta) era mais estável. A diversidade beta pergunta: "Os convidados no Grupo A parecem diferentes dos convidados no Grupo B?".

Os autores descobriram que, embora os números específicos mudassem, as conclusões estatísticas sobre se os grupos eram diferentes geralmente permaneciam as mesmas.
Por exemplo, no conjunto de dados Gut RA (Artrite Reumatoide), a maioria das ferramentas concordou que os grupos eram distintos, mesmo que discordassem sobre exatamente quantos tipos de espécies estavam presentes.
No entanto, o artigo observa que o uso da base de dados RefSeq com o Kraken às vezes levou a resultados diferentes do uso do GTDB, sugerindo que uma biblioteca maior e mais completa pode ajudar as ferramentas a concordarem melhor sobre o quadro geral.

A Conclusão

Os autores concluem que não existe uma única "melhor" ferramenta que funcione para tudo. A "escolha certa" depende da sua pergunta específica, do seu tipo de amostra e da biblioteca à qual você tem acesso.

Eles alertam os pesquisadores contra o "cherry-picking" (escolha seletiva) de uma ferramenta apenas porque ela dá o resultado que eles desejam. Em vez disso, sugerem:

Seja transparente: Declare claramente qual ferramenta, banco de dados e configurações você usou.
Verifique seu trabalho: Realize uma "análise de sensibilidade" para ver se sua conclusão principal se mantém se você trocar a ferramenta ou o banco de dados.
Não compare maçãs com laranjas: Você não pode comparar diretamente um número de diversidade de um estudo que usa a Ferramenta A com um estudo que usa a Ferramenta B, porque os próprios números são influenciados pelo software.

Em resumo, o artigo sugere que, embora essas ferramentas sejam poderosas, elas não são varinhas mágicas. Elas são lentes, e diferentes lentes podem mostrar versões diferentes do mesmo mundo microscópico. Para obter a imagem mais verdadeira, os cientistas precisam saber exatamente através de qual lente estão olhando.

Resumo Técnico: Profilers Taxonômicos e sua Influência em Análises de Diversidade Metagenômica

Definição do Problema
O perfilamento taxonômico é uma etapa fundamental na pesquisa de microbiomas, contudo, a escolha de ferramentas bioinformáticas e seus parâmetros introduz uma variabilidade metodológica significativa. Embora estudos de benchmarking (ex: CAMI) tenham avaliado o desempenho de ferramentas utilizando dados simulados, há uma falta de compreensão sobre como essas escolhas influenciam as estimativas de diversidade e as conclusões estatísticas quando aplicadas a metagenomas reais contendo ruído e diversidade não caracterizada. Os autores observam que diferentes profilers estimam diferentes tipos de abundância (taxonômica vs. de sequência) e empregam estratégias algorítmicas distintas, levando a perfis não interconversíveis. Consequentemente, a extensão em que a seleção da ferramenta afeta as métricas de diversidade alfa e beta, e a robustez dos testes de hipóteses subsequentes, permanece mal caracterizada.

Metodologia
O estudo avaliou quatro profilers taxonômicos amplamente utilizados: mOTUs v4, MetaPhlAn v4, Kraken2 e Sourmash. Essas ferramentas representam duas abordagens principais:

DNA-para-Marcadores (D2M): MetaPhlAn e mOTUs, que estimam abundâncias taxonômicas alinhando leituras a genes marcadores.
DNA-para-DNA (D2D): Kraken2 e Sourmash, que estimam abundâncias de sequência combinando k-mers a genomas de referência.

A análise utilizou 1.211 metagenomas shotgun através de oito conjuntos de dados distintos (incluindo intestino humano, saliva, pele e amostras ambientais como musgo e intestino de abelha). O estudo testou 13 designs metodológicos, variando:

Bancos de Dados de Referência: NCBI RefSeq vs. GTDB (Genome Taxonomy Database).
Versões de Banco de Dados: Diferentes datas de lançamento para MetaPhlAn e mOTUs.
Parâmetros: O limiar --confidence do Kraken2 (0.10, 0.45, 0.90) e o --threshold_bp do Sourmash.

Abordagem Analítica:

Diversidade Alfa: Calculada usando Riqueza, entropia de Shannon, Simpson Inverso e a estatística de Cauda (Tail). Para considerar as diferenças no tamanho do banco de dados e na sensibilidade da ferramenta, os valores de diversidade foram centralizados e escalonados dentro de cada metodologia. A variância nas diferenças escalonadas entre pares de ferramentas foi avaliada usando o teste de Pitman-Morgan.
Diversidade Beta: Matrizes de dissimilaridade de Bray-Curtis foram geradas para cada metodologia. As ordenações foram comparadas usando análise de Procrustes para medir a correlação entre os outputs metodológicos.
Inferência Estatística: O impacto da metodologia nas conclusões científicas foi testado realizando testes de Mann-Whitney (para diversidade alfa) e PERMANOVA (para diversidade beta) entre os grupos predefinidos em cada conjunto de dados (ex: saudável vs. doente).

Principais Resultados

Variabilidade Substancial nas Estimativas: As estimativas de diversidade alfa variaram significamente entre as metodologias. Por exemplo, o mOTUs4 geralmente produziu Shannon e Simpson Inverso mais altos que o MetaPhlAn4, enquanto o Kraken2 consistentemente relatou maior riqueza que o Sourmash.
Driver da Variabilidade:
- Estratégia Algorítmica: Ferramentas D2D (Kraken2, Sourmash) mostraram maior sensibilidade à escolha da ferramenta do que ferramentas D2M.
- Banco de Dados de Referência: A escolha entre RefSeq e GTDB impactou significativamente a riqueza e as estatísticas de Cauda, particularmente para ferramentas D2D. O GTDB, contendo mais espécies, gerou estimativas de riqueza mais altas.
- Parâmetros: O parâmetro --confidence do Kraken2 influenciou fortemente as estimativas de diversidade; limiares mais baixos aumentaram os valores de diversidade, às vezes excedendo os do Sourmash.
Impacto nas Conclusões Estatísticas:
- Diversidade Alfa: Escolhas metodológicas frequentemente alteraram a significância estatística e os tamanhos de efeito. Em vários conjuntos de dados (ex: Gut COV, Saliva COV), uma diferença de grupo era significativa com uma ferramenta, mas não com outra. Os tamanhos de efeito (correlações de rank-biserial) variaram amplamente dependendo da ferramenta e do banco de dados utilizado.
- Diversidade Beta: Embora as estruturas de ordenação (correlações de Procrustes) fossem sensíveis à escolha da ferramenta e do banco de dados, a inferência estatística (significância de PERMANOVA e $R^2$ ) permaneceu amplamente estável entre as metodologias. A maioria das ferramentas concordou sobre se uma variável de agrupamento estava significativamente associada à dissimilaridade da comunidade, embora a variância explicada ( $R^2$ ) pudesse diferir.

Significância e Alegações
O artigo argumenta que as análises de diversidade taxonômica são altamente sensíveis à escolha do profiler, do banco de dados de referência e da parametrização. Os autores afirmam que:

Conclusões Biológicas Divergentes: Pesquisadores podem chegar a conclusões biológicas diferentes sobre a presença ou magnitude das diferenças de diversidade entre grupos puramente baseadas em suas escolhas metodológicas.
Não-Equivalência de Ferramentas: Ferramentas D2M e D2D produzem perfis de abundância não interconversíveis, e mesmo ferramentas dentro da mesma categoria (ex: Kraken vs. Sourmash) produzem resultados divergentes devido a heurísticas algorítmicas.
Necessidade de Análise de Sensibilidade: O estudo ressalta a necessidade de pesquisadores avaliarem a robustez de seus resultados contra escolhas de ferramenta, parâmetro e banco de dados.
Transparência: Para garantir a reprodutibilidade e evitar o "cherry-picking" de resultados, os autores recomendam o relato transparente de todos os detalhes metodológicos e a justificativa da seleção da ferramenta com base em objetivos de pesquisa específicos.

O estudo conclui que, embora os resultados estatísticos de diversidade beta tenham sido relativamente robustos nos conjuntos de dados testados, as conclusões de diversidade alfa são frágeis e altamente dependentes da metodologia. Os autores defendem uma mudança de perguntar "qual ferramenta é a melhor?" para "como as escolhas metodológicas afetam o que concluímos?" para promover uma pesquisa metagenômica mais confiável e transparente.

O Grande Discrepância na Lista de Convidados

A Biblioteca Também Importa

O Momento do "E Agora?": As Conclusões Mudam?

A Boa Notícia: A Diversidade Beta é Mais Estável

A Conclusão

Mais como este