ディリクレ過程混合ガウスモデルを用いたメタゲノム配列クラスタリング法の開発

• Item type: SIG Technical Reports(1)
• 公開日: 2021-06-21
• タイトル: ディリクレ過程混合ガウスモデルを用いたメタゲノム配列クラスタリング法の開発
• タイトル / 言語: en
• タイトル: Development of metagenomic sequence clustering method using Dirichlet Process Gaussian Mixture Model
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: バイオ情報学 (1)
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 新潟大学大学院
• 著者所属: 新潟大学大学院
• 著者所属(英): en
• 著者所属(英): Niigata University
• 著者所属(英): en
• 著者所属(英): Niigata University
• 著者名: 矢﨑, 堅太郎; 阿部, 貴志
• 著者名(英): Kentaro, Yazaki; Takashi, Abe
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 次世代シークエンサーの登場により，環境中の微生物全体像を把握するためにメタゲノム解析が行われている．メタゲノムは複数の生物種が混在した状態で取得され新規性の高い配列を多く含んでいるため，既知のゲノム配列に依存する手法ではなく配列の類似性を用いて分離する手法が求められる．本研究では，新規微生物由来のクラスタを発見するために，教師なし学習であるディリクレ過程混合ガウスモデル（DPGMM）を使用して連続塩基頻度に基づくメタゲノム配列のクラスタリングを行った．DPGMMを用いることで同一生物が占有している割合の高いクラスタを多く作成することができた．一方で，異なる生物種が混在したクラスタも存在したため，クラスタのメンバ数とクラスタ内分散値を利用した閾値を設けることで生物種が混在したクラスタの除去を検討した．1,300 塩基長の生物種 10 種類からなるデータセットに対して検証した結果，同一生物の占有率が平均で 86% 以上のクラスタのみを自動で抽出できた．そのため，メタゲノム配列から新規微生物由来のクラスタを検出する手法になり得ると言える．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: With the advent of next-generation sequencers, metagenomic analysis is being carried out in order to grasp the overall picture of microorganisms among various environments. Since metagenomics are acquired in a mixed population of uncultured microorganisms and contain many sequences derived from novel species, a method of separating using sequence similarity is required instead of a method that relies on known genome sequences. In this study, in order to discover clusters derived from novel microorganisms, we performed clustering of metagenomic sequences based on oligonucleotde frequency using the Dirichlet Process Gaussian Mixture Model (DPGMM), which is unsupervised clustering method. By using DPGMM, we were able to create many clusters with a high proportion of the same organism. On the other hand, since there were clusters in which different species were mixed, we examined the removal of clusters in which species were mixed by setting a threshold using the number of cluster members and the dispersion value within the cluster. As a evaluation of examining a data set consisting of 10 species with a length of 1,300 bases, clusters with an occupancy rate of 86% on average of the same organism could be automatically extracted. Therefore, it can be a method for detecting clusters derived from novel microorganisms from metagenomic sequences.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2021-MPS-133, 号 24, p. 1-6, 発行日 2021-06-21
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会