Таскономическая классификация секвенированных микроорганизмов с помощью наивного байессовского классификатора и фреймворка Qiime2.

Содержание:

1. Предварительная обработка данных;
2. Создание классификатора и обучение классификатора;
3. Классификация исходных последовательностей и обработка результата.

1. Предварительная обработка данных.

Работа с фреймворком требует перевода исходных данных в файлы артефактов. Для каждого файла необходимо корректно выбрать semantic type.

Ссылка на документацию qiime2 по semantic type.

• Для последовательностей секвеннированных организмов, таксономию которых будем определять, импортирование будет выглядеть следующим образом:

  qiime tools import \
  --input-path OTUs_uparse.fa \
  --output-path rep-seqs.qza \
  --type FeatureData[Sequence]
  

Для обучения классификатора по рекомендации была взята база RDP 16S rRNA No18

Ссылка на RDPs sourceforge server, откуда была взята база.

К сожалению, хоть база данных и помечена как QiimeFormat, но Qiime2 не работает с последовательностями в нижнем регистре(возможно, это связано с разными версиями фреймворка). Для Linux решение проблемы записывается следующим образом:

tr 'acgtrykmswbdhvn' 'ACGTRYKMSWBDHVN' < RefOTUs.fa > RefOTUs_uppercase.fa

• Для последовательностей микроорганизмов из тренировочного датасета импорт будет выглядеть следующим образом:

  qiime tools import \
  --input-path RefOTUs_uppercase.fa \
  --output-path RefOTUs.qza \
  --type FeatureData[Sequence]
  

• Наилучшая классификация наивным байесовским классификатором достигается при обучении классификатора только на той области целевых последовательностей, которая была секвенирована. Извлечем эти данные из последовательностей при помощи праймеров:

  qiime feature-classifier extract-reads \
  --i-sequences RefOTUs.qza \
  --p-f-primer CTCCTACGGRRSGCAGCAG \
  --p-r-primer GGACTACNVGGGTWTCTAAT \
  --o-reads RefSeqs.qza
  

• Для таксономии микроорганизмов из тренировочного датасета импорт будет выглядеть следующим образом:

  qiime tools import \
  --input-path Ref_taxonomy.txt \
  --output-path RefTaxonomy.qza \
  --type FeatureData[Taxonomy] \
  --input-format HeaderlessTSVTaxonomyFormat
  

2. Создание и обучение классификатора.

• Создание таксономического классификатора происходит следующим образом:

  qiime feature-classifier fit-classifier-naive-bayes \
  --i-reference-reads RefSeqs.qza \
  --i-reference-taxonomy RefTaxonomy.qza \
  --o-classifier classifier.qza
  

• Обучение таксономического классификатора происходит следующим образом:

  qiime feature-classifier classify-sklearn 
  --i-classifier classifier.qza 
  --i-reads rep-seqs.qza 
  --o-classification taxonomy_result.qza
  

3. Классификация исходных последовательностей и обработка результата.

• Классификация проводится следующим образом:

  qiime feature-classifier classify-sklearn \
  --i-classifier classifier.qza \
  --i-reads rep-seqs.qza \
  --o-classification taxonomy_result.qza
  

• Для визуализации полученный результат нужно преобразовать в другой формат:

  qiime metadata tabulate \
  --m-input-file taxonomy_result.qza \
  --o-visualization taxonomy_result.qzv
  

Полученный результат можно посмотреть на сайте qiime2 в разделе visualization.

Для удобства в репозиторий уже загружена таблица с результатами: metadata.csv