Metacontextify：利用地球观测数据自动检索海洋宏基因组样本环境属性的大尺度分析工具

《BMC Bioinformatics》：Metacontextify: automated environmental annotation of marine metagenomic samples

　　

摘要

背景

环境元数据是利用宏基因组和微生物组数据获得相关生物学洞察（如环境与微生物群落的关系、基因组内容以及蛋白质水平适应性）所不可或缺的。不幸的是，为这些样本获取标准化的环境背景仍然困难。一种可能的解决方案是利用地球观测数据来检索缺失的元数据。然而，使用此类数据需要进行时空坐标匹配以及处理以专用文件格式存储的大型环境数据集，这为其应用构成了障碍。

结果

Metacontextify通过使用Copernicus Marine Service数据自动检索海洋宏基因组样本的环境属性（如温度、盐度、pH值、营养物质）来解决这一问题。该工具将ENA和MGnify标识符或采样坐标和日期与历史环境观测数据关联，从而实现大尺度的生态学、基因组学和功能分析。该工具被用于研究冷休克蛋白（参与适应温度下降）和抗冻蛋白（防止细胞内冰晶形成）之间环境背景的差异。我们表明，冷休克蛋白在整个数据集中观测到的海洋温度范围内均有分布，而抗冻蛋白主要分布在5°C以下（占匹配蛋白的83%）。然而，我们观察到温度与每个样本中冷休克蛋白数量之间存在负相关关系（Spearman相关系数为-0.439，p值为1.2 × 10^?70）。在基因组水平的分析后，我们发现基因组长度与温度之间存在负相关（ρ = ?0.28，p = 4.2 × 10^?65），而基因组长度与基因组中冷休克蛋白数量之间存在正相关（ρ = 0.41，p = 1.5 × 10^?144）。

结论

Metacontextify使研究人员能够将环境背景整合到大尺度的宏基因组分析中，即使原始数据集缺乏环境元数据也不例外。在一组海洋样本中，具有温度注释的样本数量增加了1.45倍。对于该用例，我们识别了冷休克蛋白和抗冻蛋白在温度方面的不同分布特征，并展示了环境背景化如何揭示大型宏基因组数据集中具有生物学意义的模式。Metacontextify以Python语言实现，在MIT许可证下免费提供。它可以通过pip、conda或容器镜像安装，既可以作为Python库和命令行工具使用，其源代码在GitHub上开放获取。