今天介绍一个算法Emu:Emu 是一种专为微生物组学设计的新型计算软件工具旨在利用全长的 16S rRNA 基因序列从容易出错的纳米孔Nanopore测序数据中更精确地建立微生物群落特征即物种丰度.传统的微生物群落分析多依赖 Illumina 等短读长测序技术由于只能读取 16S rRNA 基因的一小部分通常只能将微生物分类到“属”级别。虽然牛津纳米孔技术ONT可以实现全长 16S rRNA 测序有望达到“种”级别的分辨率但纳米孔设备存在一个重大障碍测序错误率远高于短读长技术。这些错误会导致碱基缺失、替换或增加如果直接套用传统的短读长分析流程会产生极不准确的群落分析结果.Emu 的命名来源于其核心算法。它采用了期望最大化Expectation-Maximization, EM方法并结合了微观microscopic, 符号为 生物学的概念因此被称为 EM 即 Emu.Emu 的算法构建在一个核心假设上一个未被成功分类的序列更有可能来自于样本中丰度较高的微生物而不是低丰度或根本不存在的微生物。其具体迭代流程如下初始分类Emu 首先对测序读取reads进行初步分类生成一个直接的群落比例估算初始猜测1。由于测序错误这个初始结果通常是不准确的。E步期望利用当前的群落比例估算更新读取分类的似然度。在这个步骤中算法会给予高丰度物种更高的权重。M步最大化根据更新后的读取分类似然度直接更新群落比例估算。迭代与清理上述 E步和 M步会不断交替进行直到两次迭代之间群落比例的变化微乎其微达到收敛。最后算法会执行一个清理步骤剔除低似然度的物种从而输出最终的群落比例估算。4. 优势与应用Emu 是首个能够利用单次读取single-pass的全长 rRNA 基因数据生成“种”级别群落特征分析的工具。它显著降低了以往实现种级微生物组分析所需的成本和技术复杂性。此外Emu 能够适配便携式的 ONT MinION 测序设备赋予了研究团队在室内或离线环境下灵活开展微生物组分析的极大便利.