Gene prediction in metagenomic sequencing reads

Abstract

Die Genvorhersage ist ein essentieller Schritt in der Annotation metagenomischer Sequenzier-Reads. Da die meisten metagenomischen Reads nicht in lange Contigs assembliert werden können, sind spezialisierte Genvorhersage-Werkzeuge für die Analyse von kurzen, anonymen DNA-Fragmenten notwendig. Diese Arbeit beschreibt die metagenomische Genvorhersagemethode "Orphelia". Sie besteht aus einem zweistufigen Ansatz des maschinellen Lernens. In der ersten Stufe werden lineare Diskriminanten für Monocodonnutzung, Dicodonnutzung und Translationsinitiationsstellen benutzt, um Merkmale aus den DNA Sequenzen zu extrahieren. Im zweiten Schritt kombiniert ein künstliches neuronales Netz diese Merkmale mit der Leserahmenlänge und dem GC-Gehalt des Fragments um eine Art Wahrscheinlichkeit zu berechnen, mit der ein Leserahmen ein Protein kodiert. Diese Wahrscheinlichkeit wird für die Klassifikation und das Scoren der Genkandidaten verwendet. Orphelia wird der wissenschaftlichen Gemeinschaft als intuitiv nutzbare Webserver-Anwendung sowie als Kommandozeilenwerkzeug zur Verfügung gestellt. Des weiteren wird eine detaillierte Evaluation der Genvorhersagegenauigkeit von Orphelia und anderen Werkzeugen hinsichtlich von Sequenzierfehlern vorgestellt. Es wird gezeigt, dass ESTScan, ein Werkzeug für Sequenzierfehlerkompensation in eukaryotischen exprimierten Sequenzier-Tags, auf Reads mit bestimmten, höheren Fehlerraten, Gene genauer vorhersagen kann, als einige metagenomische Genvorhersagewerkzeuge, obwohl ESTScan nicht für diese Anwendung entwickelt wurde. Die Integration von Fehler kompensierenden Methoden in metagenomische Genvorhersagewerkzeuge könnte die Annotationsqualität von Metagenomen verbessern.