Genvorhersage mit Glimmer für metagenomische Sequenzen, ergänzt durch Klassifizierung und Clusterbildung

Umweltshotgun-Sequenzierung (oder Metagenomik) wird weit verbreitet eingesetzt, um die Gemeinschaften von mikrobiellen Organismen zu untersuchen, die in vielen verschiedenen Ökosystemen leben, wie z.B. dem menschlichen Körper. Die Identifizierung der protein-codierenden Gene innerhalb der Sequenzen ist ein wichtiger Schritt zur Bewertung der funktionalen Kapazität eines Metagenoms. In dieser Arbeit haben wir ein Metagenomik-Genvorhersagesystem namens Glimmer-MG entwickelt, das durch neuartige Ansätze bei einer Reihe wichtiger Vorhersageunteraufgaben eine signifikant größere Genauigkeit als frühere Systeme erreicht. Zunächst führen wir die Verwendung phylogenetischer Klassifikationen der Sequenzen zur Modellparametrierung ein. Wir clustern auch die Sequenzen und gruppieren jene, die wahrscheinlich von demselben Organismus stammen. Analog zu iterativen Schemen, die für gesamte Genome nützlich sind, retrainieren wir unsere Modelle innerhalb jedes Clusters basierend auf den ursprünglichen Genvorhersagen, bevor wir endgültige Vorhersagen treffen. Schließlich modellieren wir sowohl Einfüge-/Lösch- als auch Substitutionssequierungsfehler mit einem anderen Ansatz als frühere Software, was es Glimmer-MG ermöglicht, den Kodierungsrahmen zu ändern oder durch Stoppcodons zu gelangen, indem ein Fehler vorhergesagt wird. Im Vergleich zwischen mehreren Methoden zur Genfindung macht Glimmer-MG die empfindlichsten und präzisesten Vorhersagen bei simulierten und realen Metagenomen für alle getesteten Leselängen und Fehlerraten.