PyNAST一种用于比对序列与模板比对物的灵活工具.PDF

PyNAST:一种用于比对序列与模板比对物的灵活工具 英文题目：PyNAST: a flexible tool for aligning sequences to a template alignment 被引用次数：739 杂志：Bioinformatics, 2010, 26(2): 266-267. 作者：J. Gregory Caporaso, Kyle Bittinger, Frederic, D. Bushman, Todd Z. DeSantis, Gary L. Andersen and Rob Knight∗ 翻译人：刘冰渊 摘要 动机：最近比对空间终端 （NAST）工具在基于序列的微生物生态群体分析中被广泛使用，然 而由于原始方法执行起来的便携性不足的限制，这种方法的应用范围没能尽可能的扩大。基 于Python的最近比对空间终端工具 （PyNAST）是对NAST的一种全面的实现，包括三种方便的 用户接口：Mac OS X系统的图形用户接口，一个命令行接口，以及一个简单的应用程序编程 接口。 结果：PyNAST的可获取性将会使得受欢迎的NAST算法更加便携，使得用户可以在他们自己的 硬件上安装PyNAST,从而使其适用于数量级大的多的数据集指令。与此之外，由于用户可以 比较任意指定的模板比对物，这个特征通过原始的NAST网络接口是不能实现的，这使得NAST 算法为应用于微生物群体分析之外的全新任务做好了准备。 获取途径：PyNAST在网址上可以获取。 联系方式：rob.knight@ 1 简介 最近比对空间终端工具(DeSantis et al., 2006b)的开发是为了有效比对数以千计的 16S rRNA基因，其使用的是一种比对压缩算法，用以产生固定列数的多元序列比对（MSAs）。 Greengenes ribosomal数据库(DeSantis et al.,2006a)已经用NAST算法以400000个已知的 近乎完整长度的16S rRNA为参照，并且这个比对已经变成一个整合的工具用于微生物群体分 析。与此之外，用户已经通过网络接口/NAST，创造了特定项目 尺度下的MSAs。尽管NAST已经可以被广大的用户作为一个网络应用所获取，但是本地安装的 困难性限制了许多用户使用NAST的可能性。 这里，我们提出了基于Python的最近比对空间终端，使用PyCogent工具箱(Knight et al., 2007)对NAST算法进行了完全的实现。PyNAST加入的若干个关键的特征，体现了算法显著的 增强。新的特征包括： （1）三种方便的用户接口：Mac OS X系统的图形用户接口，一个命令行接口，以及一 个简单的应用程序编程接口； （2）分析关键步骤的参数化算法。[例如:逐对比对可以使用BLAST和MUSCLE算法计算 (Edgar, 2004), MAFFT (Katoh et al., 2005), ClustalW (Thompson et al., 1994),或者 是PyCogent逐对隐马尔科夫模型（HMM）比对,并且算法可以拓展到与新的逐对配对算法相结 合。 （3）开发尽可能少的依赖项（Python,NumPy和BLAST）的开源软件包，专为在单一机器 或集成环境下的简易安装而设计。 （4）能够比对任意序列与任意的序列模板比对物，而不仅仅是16S rRNA序列作为样本。 2 算法 NAST算法比对了一个候选序列与一个模板比对物。算法的输出值，比对后的候选序列， 保证与输入的模板比对物是等长度的。在原始NAST算法的实现中，每个用户提交的候选序列 都被用于和Greengenes数据库的‘Core Set(核心数据集)’相比对，这包括了大约5000个比 对了的非嵌合的序列，这些序列代表着当今被识别出的细菌和古生菌界的多样性。在PyNAST 算法中，用户可以用标准的fasta格式的比对物文件，指定任意的，需要用来比对的模板比 对物。 NAST算法应用于候选序列与模板比对物的方法如下。首先，用BLAST(Altschul et al., 1990)算法，识别出模板比对物中与候选序列最相似的序列。二者差异的部分在样本序列中 被删除，然后再将