Taxonova：深度学习实现快速且带置信度的微生物物种级扩增子分类
Taxonova: Deep learning enables fast and confidence-aware microbiome species-level amplicon classification
作者发布 Taxonova，一个面向短读长和长读长核糖体扩增子的深度学习分类框架，可在 250 bp 至 4,900 bp 的扩增子长度范围内做物种级分类。在覆盖七个生物群系的真实与模拟 mock 群落（配套基准工具 Taxobench）上，短读长物种级 F-measure 为 0.76–1.00（中位数 0.94），长读长为 0.82–0.99（中位数 0.97）；物种级丰度估计误差（L1 范数）按扩增子区域中位数降低 0.52 至 1.50，物种级假阳性率中位数比其他分类器低 16.2 × 10⁻⁴。
来源：PLOS Computational Biology · journals.plos.org
Taxonova 在 250 bp 到 4,900 bp 的扩增子长度范围内统一做物种级分类，并给出置信度，方便读者判断它能否替代现有分类器。
作者：Kardokh Kakabra、Shriram Patel、Andriy Temko、Marcus J. Claesson
由于难以分辨保守核糖体区域内的细微变异，微生物扩增子序列在物种水平上的准确分类仍然具有挑战性。传统的基于相似性的方法难以处理短扩增子以及数据库代表性不足的序列。现有方法均无法在全部扩增子长度范围内稳健运行，这限制了其在不同测序平台和可变区靶标上的适用性。我们提出 Taxonova，一个适用于短读长和长读长核糖体扩增子的深度学习框架。在代表七种生物群系的物理模拟和生物群系模拟模拟群落中（通过配套基准工具 Taxobench）进行评估，Taxonova 对 250 bp 至 4,900 bp 的短读长扩增子达到 0.76–1.00（中位数 0.94）的物种水平 F 值，对长读长扩增子达到 0.82–0.99（中位数 0.97），将物种水平丰度估计误差（L1 范数）按扩增子区域不同中位数降低 0.52 至 1.50，并且其物种水平假阳性率中位数比其他分类器低 16.2 × 10−4。物种水平归属预计对特征明确的群落最为可靠，例如人体相关微生物组。为展示实际应用价值，我们还将扩增子衍生的分类谱与来自肠道、土壤和阴道微生物组的配对鸟枪法全基因组测序进行了比较；Taxonova 在全部三项研究中均取得最强的物种水平一致性（Jaccard），在高复杂度和低复杂度群落中，其物种水平 Jaccard 指数比次优分类器高 0.009 至 0.022。Taxonova 在单个 CPU 核心上的吞吐量约为每秒 100 条序列，适合在研究环境中常规部署。