基于NGS的微生物检测数据分析技术探究(2)

　　为了对目前基于 NGS 的微生物检测数据分析方法进行全面评估，我们将分析系统简化为 6 个核心环节，如图 1 所示，分别为：质量控制（A）、比对方法优化（B）、与参考基因组进行比对（C）、序列拼接（D）、与微生物基因组进行比对（E）、下游分析（F）。其中质量控制（环节 A）属于提高微生物检测精度的方法，通常 NGS 产生的测序数据会存在低质量序列、低复杂度序列等，会影响后续分析。因此需要通过质量控制软件对样本测序数据进行处理。比对方法优化（环节 B）属于提高微生物检测速度的方法，由于 NGS 产生上百万片段，数据分析在单个节点上的计算时间可能需要数周，因此需要采用设计算法的查询和匹配效率，以降低数据分析所需的运算量，在数据分析环节上提高速度。序列比对（环节C,E）为微生物检测的核心步骤[12],将样本数据 和 人 类 参 考 基 因 组（human reference geneset,HRG）或 微 生 物 参 考 基 因 组（microbe referencegeneset,MRG）进行比对，清除与HRG比对成功的序列，保留与MRG比对成功的序列，最后获得已知和未知的微生物基因。序列拼接（环节D）将检测出的微生物基因短reads拼接成完整微生物基因序列，从而进行下游分析（环节 F），如可视化[13]、单核苷酸多态性（single nucleotide polymorphisms,SNP）分析[14]等，才能获得基因序列的全部信息，完成微生物检测的整个流程。
　　
　　2基于NGS的微生物检测数据分析方法。
　　
　　从2011年开始，基于NGS的微生物检测数据分析方法得到了快速的发展。目前已经发表的数据分析方法包括PathSeq[15]、RINS[16]、CAPSID[17]、VirusSeq[18]、 VirusFinder[19]、 READSCAN[20]、Kraken[21]、SURPI[22]、RIEMS[23]、Pathosphere.org[24]、CS-SCORE[25]、VERSE[26]和VIP[27]等，如表1所示。
　　 　　参照前文提到的数据分析策略，可以发现不同的微生物检测计算分析方法主要体现在比对方法优化（环节 B）以及下游分析（环节 F）。早期的数据分析方法如PathSeq、RINS 等，是最初微生物检测数据分析的典型解决方案，并未专门对比对方法进行优化，也缺少下游分析的步骤，属于“基础型”检测方法。而 VirusSeq、VirusFinder、CaPSID 等，在“基础型”的基础上，增加了如病毒结合位点分析等下游分析（环节 F），其检测功能得到了完善，称为“功能型”检测方法。而 READSCAN、Kraken、CS-SCORE在“基础型”的基础上，增加了比对方法优化（环节 B），其处理速度大大增加，属于“速度型”检测方法。近几年出现的 SURPI、RIEMS、Pathosphere.org、VERSE 和 VIP,同时包含比对方法优化和下游分析，能够提供完整的分析流程，属于“完整型”检测方法。
　　
　　除了数据分析策略带来的基础特点外，由于采用了不同的软件、处理流程等，不同的基于 NGS的微生物检测数据分析方法还有着不同的优势，如图2 所示。