文献

J-GLOBAL ID：202002261391780141   整理番号：20A2769213

次世代シークエンシングデータを用いた病原性微生物組成の検出【JST・京大機械翻訳】

Detection of Pathogenic Microbe Composition Using Next-Generation Sequencing Data

著者 (4件)： Zhao Haiyong (School of Computer Science and Technology, Liaocheng University, Liaocheng, China) ,  Zhao Haiyong (School of Computer Science and Technology, Xidian University, Xi’an, China) ,  Wang Shuang (School of Computer Science and Technology, Xidian University, Xi’an, China) ,  Yuan Xiguo (School of Computer Science and Technology, Xidian University, Xi’an, China)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 11  ページ： 603093  発行年： 2020年 
JST資料番号： U7071A  ISSN： 1664-8021  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 次世代シークエンシング(NGS)技術は,高分解能データで病原性微生物を分析する大きな機会を提供する。主な目標は,試料中の微生物組成と存在量を正確に検出することである。しかし,異なる種からの配列間の高い類似性と配列誤差の存在は,様々な課題をもたらす。微生物組成と豊度を定量化するための多数の方法が開発されているが,それらはノイズの混合物による試料の分析に対して十分に汎用性がない。本論文では,NGSデータを用いた試料中の病原性微生物組成検出のための新しい計算法,PGMicroDを提案した。方法は,最初に潜在的に誤ってマッピングされた読取をフィルターにかけ,16S rRNAの配列決定読取から複数の種関連特徴を抽出する。次に,それは微生物組成を予測するためにサポートベクターマシン分類装置を訓練する。最後に,全ての多重マッピング配列決定を予測種の参照に読んで,各種類の種の豊度を推定した。PGMicroDの性能を,シミュレーションと実際の配列データに基づいて評価し,いくつかの既存の方法と比較した。結果は,著者らの提案方法が優れた性能を達成することを実証した。PGMicroDのソフトウェアパッケージは,利用可能である。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  フィルタ ,  *微生物 ,  rRNA ,  汎用性 ,  多重化 ,  プログラムパッケージ ,  類似性 ,  高分解能 ,  機械学習
準シソーラス用語： 16S rRNA ,  病原微生物 ,  SVM分類 ,  *次世代シークエンシング , 【Automatic Indexing@JST】

著者キーワード (5件)： 微生物組成検出 ,  微生物豊度推定 ,  次世代シークエンシング ,  16S rRNA ,  機械学習

分類 (4件)： 遺伝子の構造と化学  (EC02020U) ,  微生物検査法  (EG02020G) ,  微生物の生化学  (EG03020N) ,  微生物検査  (GC02030H)

引用文献 (30件)：

• AlbaneseD.FontanaP.De FilippoC.CavalieriD.DonatiC. (2015). MICCA: a complete and accurate software for taxonomic profiling of metagenomic data. Sci. Rep. 5:9743. doi: 10.1038/srep09743 25988396
• Al-GhalithG. A.MontassierE.WardH. N.KnightsD. (2016). NINJA-OPS: fast accurate marker gene alignment using concatenated ribosomes. PLoS Comput. Biol. 12:e1004658. doi: 10.1371/journal.pcbi.1004658 26820746
• BašićB. D.RibarićS. (2002). Kernel-Based Methods for Pattern Recognition. Croatia: University of Zagreb.
• BazinetA. L.CummingsM. P. (2012). A comparative evaluation of sequence classification programs. BMC Bioinform. 13:92. doi: 10.1186/1471-2105-13-92 22574964
• BennettK. P.CampbellC. (2000). Support vector machines: hype or hallelujah? ACM Sigkdd Exp. Newsletter 2 1-13. doi: 10.1145/380995.380999

タイトルに関連する用語 (3件)： 次世代シークエンシング ,  病原性微生物 ,  組成