宏基因组测序技术已经广泛应用于微生物的研究当中，如何利用测序短序列重构出质量可靠的微生物基因组，对于理解微生物群落和下游功能分析至关重要。尽管近些年来组装算法取得了很大进展，但是由于宏基因组数据的固有复杂性，错误在宏基因组组装结果中仍然普遍存在，包括由于同一基因组内的重复序列或不同基因组之间共享的保守序列引起的基因组内或者基因组间拼接错误。现有评估宏基因组组装质量的方法大都依赖参考基因组，仅适用于真实环境中已知的一小部分微生物，这显然不适用于微生物组数据中大量的未知物种。因此，亟需针对基因组组装结果开发不依赖参考基因组的质量评估以及错误矫正方法。
复旦大学计算神经科学与类脑智能教育部重点实验室赵兴明教授团队提出了一种无参的宏基因组组装错误识别以及校正工具metaMIC，能够精确定位组装重叠群（contig）上可能的错误区域。
metaMIC不仅可以适用于宏基因组组装错误的识别，同样也适用于单基因组组装质量的评估。metaMIC是一种基于机器学习的评估组装重叠群质量的方法，其主要步骤包括特征提取、识别存在组装错误的序列以及定位组装错误位点并校正三个步骤（图1）。
图1：metaMIC框架
metaMIC在多个模拟宏基因组数据以及单基因组测序数据上均取得了良好的性能，其相比于已有工具能够以更高的精度识别存在组装错误的序列，并且大概～71-86%的组装错误断点能够以500bp的误差被精确定位。
最后，研究团队将metaMIC应用在两个人类肠道宏基因组测序队列中识别到了大约3%的组装序列存在拼接错误。通过比较metaMIC校正前后的分箱（binning）结果，发现经过metaMIC组装矫正后能够恢复更多的高质量基因组。由于PacBio三代测序的长读段能够跨越重复序列区域（造成组装错误的主要原因），研究团队进一步以三代测序的组装结果作为金标准来验证预测的二代测序组装结果中的错误，进一步证实了metaMIC在真实宏基因组数据上的适用性。
这一项研究成果已于2022年11月14日发表在Genome Biology期刊（metaMIC: Reference-free Misassembly Identification and Correction of de novo metagenomic assemblies）。
复旦大学计算神经科学与类脑智能教育部重点实验室生物医学AI团队的博士生赖森莹是本研究的第一作者，赵兴明教授、Luis Pedro Coelho青年研究员以及华中科技大学的陈卫华教授为本论文的共同通讯作者。近年来，该团队在微生物领域进行了不断探索，围绕宏基因组组装、物种识别到下游分析已开展了一系列工作，相关工作包括宏基因组分箱算法SemiBin (Nature Communication, 2022)、全球微生物基因目录GMGC (Nature, 2021)，建立了GMrepo (Nucleic Acids Research, 2019, 2020), mMGE (Nucleic Acids Research, 2021)和mBodyMap (Nucleic Acids Research, 2022)等数据库。
科研团队简介
赵兴明，教授、博士生导师
计算神经科学与类脑智能教育部重点实验室副主任、张江国际脑库执行主任、国家杰出青年科学基金获得者、上海市青年科技启明星和上海市浦江人才计划入选者，IEEE Senior Member、IEEE SMC TC on Systems Biology Co-Chair、IEEE SMC Shanghai Chapter Chair、ACM SIGBio China Vice Chair、CCF 高级会员、中国人工智能学会人工生命与生物信息学专委会副主任、中国计算机学会生物信息学专委会常务委员、上海市计算机学会生物信息学专委会主任等。承担了863、国家重点研发计划、国家自然科学基金重大研究计划和重点项目在内的多项科研课题。在Nature、Cell Metabolism、IEEE TPAMI、Nature Communications、Genome Medicine、Nucleic Acids Research等国际著名期刊发表SCI论文100余篇， 以第一完成人荣获吴文俊人工智能自然科学一等奖（2020年）和教育部高等学校科学研究优秀成果（自然类）二等奖（2018年）。
Luis Pedro Coelho，青年研究员、博士生导师
Luis Pedro Coelho一直利用大数据的方法从事生物学研究。尤其专注于利用元基因组及荧光显微图像法对微生物群体进行分析。加入复旦之前，路易斯.佩德罗.科埃略一直在欧洲分子生物学实验室（EMBL)Peer Bork院士组中从事博士后研究。路易斯.佩德罗.科埃略师从Bob Murphy并在卡内基梅隆大学获得博士学位，师从Prof Arlindo Oliveira在Instituto Superior Técnico in Lisbon获得硕士学位。在Nature、Science和eLife等国际著名期刊发表SCI论文30余篇，开发多个生物图像处理和微生物组学数据分析软件包。
原文链接：
https://genomebiology.biomedcentral.com/articles/10.1186/s13059-022-02810-y
