ERMA：一种用于EpicPCR数据分析的标准化开源流程

《BMC Genomics》：ERMA: a harmonizing epicPCR data analysis tool

摘要

背景

EpicPCR在单细胞水平上将功能基因与分类标记联系起来，已成为微生物生态学和抗菌药物耐药性研究中的重要方法。然而，缺乏标准化的数据分析流程限制了不同研究之间的可重复性和可比性。现有的分析通常基于自定义且未发表的分析脚本，这使得跨研究基准测试和重用变得复杂。

结果

我们提出了ERMA，一个开源的、基于Snakemake的流程，能够以最小的用户输入实现自动化、标准化、可重复和可扩展的EpicPCR数据分析。ERMA支持Illumina和ONT测序数据，并集成了质量控制、数据库准备、针对分类和功能参考数据库的双重相似性搜索、结果集成、过滤和可视化。由于具有模块化的数据库准备和特定UniRef查询集成，该流程可适应除抗菌药物耐药性（AMR）之外广泛的研究问题。我们使用五个涵盖多样化样本来源和测序深度的公开可用EpicPCR数据集对ERMA进行了评估。在这些数据集中，ERMA与各自出版物中报告的分类结果的平均一致性率约为70–83%。此外，使用掺入临床废水的、由五个成员组成的定义明确的模拟群落进行的验证表明，模拟属得到了完全恢复，且ERMA检测到的属中有85%也通过对该废水样本的独立16S rDNA基因分析进行了检测。数据损耗分析显示，不同研究中的过滤模式不一致，反映了特定数据集的质量差异。

结论

尽管EpicPCR的大规模参考数据集仍然有限，但使用公开可用的研究和定义明确的模拟群落进行的验证表明，在异质数据集上具有强大且可解释的性能。通过提供透明、模块化且可重复的工作流程，ERMA为协调统一的EpicPCR数据分析做出了贡献，并在参考数据集不断改善的同时，为未来的方法标准化和基准测试工作奠定了基础。

背景

EpicPCR在单细胞水平上将功能基因与分类标记联系起来，已成为微生物生态学和抗菌药物耐药性研究中的重要方法。然而，缺乏标准化的数据分析流程限制了不同研究之间的可重复性和可比性。现有的分析通常基于自定义且未发表的分析脚本，这使得跨研究基准测试和重用变得复杂。

结果

我们提出了ERMA，一个开源的、基于Snakemake的流程，能够以最小的用户输入实现自动化、标准化、可重复和可扩展的EpicPCR数据分析。ERMA支持Illumina和ONT测序数据，并集成了质量控制、数据库准备、针对分类和功能参考数据库的双重相似性搜索、结果集成、过滤和可视化。由于具有模块化的数据库准备和特定UniRef查询集成，该流程可适应除抗菌药物耐药性（AMR）之外广泛的研究问题。我们使用五个涵盖多样化样本来源和测序深度的公开可用EpicPCR数据集对ERMA进行了评估。在这些数据集中，ERMA与各自出版物中报告的分类结果的平均一致性率约为70–83%。此外，使用掺入临床废水的、由五个成员组成的定义明确的模拟群落进行的验证表明，模拟属得到了完全恢复，且ERMA检测到的属中有85%也通过对该废水样本的独立16S rDNA基因分析进行了检测。数据损耗分析显示，不同研究中的过滤模式不一致，反映了特定数据集的质量差异。

结论

尽管EpicPCR的大规模参考数据集仍然有限，但使用公开可用的研究和定义明确的模拟群落进行的验证表明，在异质数据集上具有强大且可解释的性能。通过提供透明、模块化且可重复的工作流程，ERMA为协调统一的EicPCR数据分析做出了贡献，并在参考数据集不断改善的同时，为未来的方法标准化和基准测试工作奠定了基础。