Подпишитесь на оповещения
от Газеты.Ru
Дополнительно подписаться
на сообщения раздела СПОРТ
Отклонить
Подписаться
Получать сообщения
раздела Спорт

Метагеномом по микробу

Российские ученые придумали, как поставить секвенирование геномов микробов на поток

Анастасия Лебедева 01.12.2016, 17:18
Institute of Medicine/National Academies Press

Как быстро переписать микробов озер, Нью-Йоркского метро и кишечника человека, чем геномы отличаются от метагеномов и как можно быстро сравнить ДНК микробов — в материале «Газеты.Ru».

В клетке каждого живого организма содержится биологическая информация, которая передается от предков. Этот наследственный материал называется геномом, и он необходим для генерации тканей и поддержания жизнедеятельности организма. Однако помимо генома на состояние тела могут оказать влияние населяющие его микроорганизмы — бактерии, вирусы, грибы. Совокупность ДНК сообщества организмов называется метагеномом.

К метагеному относятся и совокупные геномы микроорганизмов. Нередко метагеном может продемонстрировать наличие у своего владельца того или иного заболевания или же предрасположенности к заболеваниям.

До недавнего времени получить последовательности генов каждого микробного сообщества было практически невозможно, но с распространением методов секвенирования нового поколения метагеномика получила широкое распространение. Некоторые ниши до сих пор остаются неизученными из-за сложности среды, в которой обитают микроорганизмы, их высокого разнообразия и из-за отсутствия связанных базовых геномных последовательностей.

Например, на протяжении нескольких десятилетий ученые не могли получить геном сообществ бактерий, населяющих кишечник человека.

Команда российских ученых в рамках гранта Российского научного фонда (РНФ) разработала алгоритм под названием MetaFast, который позволяет быстро сравнивать между собой совокупности ДНК микроорганизмов, обитающих в разных средах.

Программа базируется на принципе адаптивной сегментации и сочетает в себе лучшие характеристики, которыми обладали предшествующие алгоритмы, а именно — скорость и точность сравнивания метагеномов.

Владимир Ульянцев, сотрудник Международной лаборатории «Компьютерные технологии» Санкт-Петербургского национального исследовательского университета информационных технологий, механики и оптики (Университета ИТМО), рассказал отделу науки «Газеты.Ru», как работает программа MetaFast.

«MetaFast может работать как на персональных компьютерах, так и на серверных мощностях. Программа принимает на вход большие данные геномного секвенирования, которыми, например, занимается ФНКЦ физико-химической медицины, и на выходе выдает параметры для сравнительного анализа этих данных. Речь идет о данных секвенирования нового поколения, они же NGS (Next generation sequencing).

Эта технология позволяет из генома получить маленькие «кусочки», которые потом можно собирать, обрабатывать и сравнивать между собой,

— рассказывает ученый. — Задача заключается в том, чтобы из этих маленьких кусочков собрать исходные геномные последовательности. Для этого есть сборщики, которые разрабатываются в разных частях мира и занимаются решением этой задачи.

Мы же используем идеи сборки не для геномов, а для сравнительного изучения метагеномов — ДНК микробных сообществ, которые встречаются везде — от организма человека до арктических озер, которые мы также рассматривали в ходе одного из исследований. Метагеномы можно изучать также для морей и нефти».

MetaFast, по сути, представляет собой конвейер, способный принять одновременно несколько метагеномов в качестве входных данных. Алгоритм состоит из шести частей. Сначала из каждого метагенома выделяются k-меры — подпоследовательности длины k в последовательности нуклеотидов. Для каждого метагенома при этом строится граф де Брёйна.

На втором этапе выделяются отдельные участки графов, а на третьем объединяются в общий граф. Четвертый этап заключается в выделении общих компонентов-признаков из построенного общего графа, затем для каждого метагенома отдельно вычисляется вектор значений признаков по данным покрытия глубины компонентов.

Последним этапом является сравнительный анализ с использованием полученных векторов, например, строится матрица расстояний между метагеномами, отрисовывается древовидная диаграмма на основе кластерного анализа полученной информации. С подробным текстом исследования можно ознакомиться в журнале Bioinformatics.

По словам ученых, MetaFast показал высокую эффективность при исследовании редких и неизведанных метагеномов. В ходе исследований ученые проверяли работу MetaFast в разных условиях: они проанализировали метагеном нескольких крупных озер мира (на Шпицбергене, в Канаде, США и в Австралии), и, ничего не зная об образцах микробиоты озер,

программа нашла генетическое сходство между теми из них, которые были близки по химическому составу.

Также исследователи изучали метагеном кишечной флоры китайских респондентов и брали образцы ДНК с различных поверхностей Нью-Йоркского метрополитена: со скамеек, поручней, турникетов. Программа одинаково успешно проанализировала и сложный метагеном подземки, и микробиоту человека.

«Пока мы проводили исследование только на данных из озер, морские метагеномы мы еще не затрагивали. Небольшая часть исследования касалась также нефтяных шахт. Отдельная история касается тестирования MetaFast в подземке. В текущий момент мы заняты разработкой алгоритмов для поиска механизмов антибиотикорезистентности, то есть устойчивости микроорганизмов к антибиотикам. К сожалению, в наше время мы уже не сможем победить многие инфекционные и прочие заболевания. Но в будущем наша технология, возможно, сможет помочь избавиться от этой проблемы», — прокомментировал Владимир Ульянцев.

Исследователи утверждают, что MetaFast является полезным инструментом для подсчета и анализа признаков большого числа метагеномов, а также экономит оперативную память, что делает алгоритм наиболее эффективным среди аналогов.

«У нас получился классный московско-питерский симбиоз. Петербургская сторона в лице меня, Сергея Казакова и Артема Васильева, кстати, чемпиона мира по программированию, занимается разработкой программного обеспечения. Московские ученые в лице Вероники Дубинкиной, Александра Тяхта, Дмитрия Алексеева являются первыми нашими пользователями, указывают на недостатки, а также специализируются на биологических выводах по результатам применения технологии», — пояснил Ульянцев.