肺炎克雷伯菌全基因組中菌株特有區(qū)域的分析.pdf

1、本研究通過在高性能計算機群上重構(gòu)和更新細(xì)菌基因組序列比對工具mGenomeSubtractor，對48株已全測序的肺炎克雷伯菌基因組進(jìn)行了親緣菌之間及和人類微生物基因組計劃序列的比較分析，識別了肺炎克雷伯菌中菌株特有區(qū)域及其攜帶的耐藥和致病基因。
　　首先，本論文在實驗室曙光機群上重構(gòu)和更新了細(xì)菌基因組差減雜交模擬工具mGS，并提供對外在線服務(wù)，以滿足單個細(xì)菌基因組序列(2-10Mb級別)和人類微生物基因組計劃宏基因組序列(1-1

2、0Gb級別)的快速比對需求。親緣菌的基因組差減雜交模擬工具mGS可以對細(xì)菌基因組島等菌株特有區(qū)域進(jìn)行快速識別。為了提高該工具的計算能力使其可以完成人類微生物組的宏基因組序列比對工作，我們對程序代碼進(jìn)行了升級，主要包括兩方面的技術(shù)更新：
　　(a)在后臺比對數(shù)據(jù)庫方面，本文主要用到了人類微生物組計劃(HMP)數(shù)據(jù)，包括健康人群的參照基因組(Reference Genome Data,HMP-RGD)數(shù)據(jù)和宏基因組鳥槍法測序(Meta

3、genomic Shotgun Sequence,HMP-MSS)數(shù)據(jù)。本論文將HMP-RGD和HMP-MSS整合到mGS的后臺比對數(shù)據(jù)庫中以實現(xiàn)單個細(xì)菌基因組序列和HMP-RGD/HMP-MSS的比較分析。
　　(b)在計算速度方面，針對計算節(jié)點(胖節(jié)點)CPU運算核數(shù)多、內(nèi)存大的特點制定并行策略。通過對需要比對的細(xì)菌基因組序列進(jìn)行均勻分割，使得每一段較小的序列啟動單獨的比對進(jìn)程。這個過程中每一個比對進(jìn)程都彼此不相關(guān)，所以可以將

4、其并行執(zhí)行，從理論上講其加速效果是所用到的進(jìn)程數(shù)的倍數(shù)。這種加速策略的意義在于，將mGS中最耗費時間的比對過程完全轉(zhuǎn)化為對于胖節(jié)點服務(wù)器硬件的依賴。因此具有良好的可擴展性，即使在遇到計算速度瓶頸時，機群維護者只需要增加新的計算節(jié)點就可以增加相應(yīng)的并行過程。此外，mGS在管理節(jié)點上通過任務(wù)管理引入了作業(yè)調(diào)度系統(tǒng)，避免了多個用戶同時提交任務(wù)時造成的系統(tǒng)崩潰問題；作業(yè)調(diào)度系統(tǒng)指定計算節(jié)點運行占用CPU和內(nèi)存較大的計算部分;再由監(jiān)控腳本程序?qū)⒈O(jiān)

5、控是否每一個進(jìn)程都成功執(zhí)行，并最后匯總成結(jié)果文件，可視化輸出到用戶端瀏覽器界面上。在大數(shù)據(jù)的時代，面對海量微生物序列的大數(shù)據(jù)分析需求，類似本論文提出的mGS可擴展性并行計算策略將提供有效的解決方案之一。
　　其次，本論文以工業(yè)生產(chǎn)菌肺炎克雷伯菌KCTC2242全基因組序列為例，利用mGS對該菌株特有區(qū)域株進(jìn)行了詳細(xì)分析。從以下兩個不同數(shù)據(jù)規(guī)模的比對庫上進(jìn)行了mGS分析。(i)種內(nèi)親緣菌分析：本文中利用GenBank中目前收錄的已完

6、全測序的48個肺炎克雷伯菌株，去除了肺炎克雷伯菌KCTC2242的兩個復(fù)制子(一條染色體和一個質(zhì)粒)，余下的182個復(fù)制子DNA序列建立比對庫，肺炎克雷伯菌KCTC2242通過與其比對，得到肺炎克雷伯菌KCTC2242在肺炎克雷伯菌種間的維度上所特有的基因序列。(ii)選用HMP-RGD為比對庫，其中包含了11.9GB的1391個菌株基因組數(shù)據(jù)。將肺炎克雷伯菌KCTC2242基因組序列與兩個比對庫進(jìn)行比對，得到肺炎克雷伯菌KCTC224