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(guò)在高性能計(jì)算機(jī)群上重構(gòu)和更新細(xì)菌基因組序列比對(duì)工具mGenomeSubtractor，對(duì)48株已全測(cè)序的肺炎克雷伯菌基因組進(jìn)行了親緣菌之間及和人類(lèi)微生物基因組計(jì)劃序列的比較分析，識(shí)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(shí)驗(yàn)室曙光機(jī)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(duì)外在線(xiàn)服務(wù)，以滿(mǎn)足單個(gè)細(xì)菌基因組序列(2-10Mb級(jí)別)和人類(lèi)微生物基因組計(jì)劃宏基因組序列(1-1

2、0Gb級(jí)別)的快速比對(duì)需求。親緣菌的基因組差減雜交模擬工具mGS可以對(duì)細(xì)菌基因組島等菌株特有區(qū)域進(jìn)行快速識(shí)別。為了提高該工具的計(jì)算能力使其可以完成人類(lèi)微生物組的宏基因組序列比對(duì)工作，我們對(duì)程序代碼進(jìn)行了升級(jí)，主要包括兩方面的技術(shù)更新：
　　(a)在后臺(tái)比對(duì)數(shù)據(jù)庫(kù)方面，本文主要用到了人類(lèi)微生物組計(jì)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(niǎo)槍法測(cè)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(tái)比對(duì)數(shù)據(jù)庫(kù)中以實(shí)現(xiàn)單個(gè)細(xì)菌基因組序列和HMP-RGD/HMP-MSS的比較分析。
　　(b)在計(jì)算速度方面，針對(duì)計(jì)算節(jié)點(diǎn)(胖節(jié)點(diǎn))CPU運(yùn)算核數(shù)多、內(nèi)存大的特點(diǎn)制定并行策略。通過(guò)對(duì)需要比對(duì)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(dòng)單獨(dú)的比對(duì)進(jìn)程。這個(gè)過(guò)程中每一個(gè)比對(duì)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(fèi)時(shí)間的比對(duì)過(guò)程完全轉(zhuǎn)化為對(duì)于胖節(jié)點(diǎn)服務(wù)器硬件的依賴(lài)。因此具有良好的可擴(kuò)展性，即使在遇到計(jì)算速度瓶頸時(shí)，機(jī)群維護(hù)者只需要增加新的計(jì)算節(jié)點(diǎn)就可以增加相應(yīng)的并行過(guò)程。此外，mGS在管理節(jié)點(diǎn)上通過(guò)任務(wù)管理引入了作業(yè)調(diào)度系統(tǒng)，避免了多個(gè)用戶(hù)同時(shí)提交任務(wù)時(shí)造成的系統(tǒng)崩潰問(wèn)題；作業(yè)調(diào)度系統(tǒng)指定計(jì)算節(jié)點(diǎn)運(yùn)行占用CPU和內(nèi)存較大的計(jì)算部分;再由監(jiān)控腳本程序?qū)⒈O(jiān)

5、控是否每一個(gè)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(hù)端瀏覽器界面上。在大數(shù)據(jù)的時(shí)代，面對(duì)海量微生物序列的大數(shù)據(jù)分析需求，類(lèi)似本論文提出的mGS可擴(kuò)展性并行計(jì)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(duì)該菌株特有區(qū)域株進(jìn)行了詳細(xì)分析。從以下兩個(gè)不同數(shù)據(jù)規(guī)模的比對(duì)庫(kù)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(cè)序的48個(gè)肺炎克雷伯菌株，去除了肺炎克雷伯菌KCTC2242的兩個(gè)復(fù)制子(一條染色體和一個(gè)質(zhì)粒)，余下的182個(gè)復(fù)制子DNA序列建立比對(duì)庫(kù)，肺炎克雷伯菌KCTC2242通過(guò)與其比對(duì)，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(duì)庫(kù)，其中包含了11.9GB的1391個(gè)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(gè)比對(duì)庫(kù)進(jìn)行比對(duì)，得到肺炎克雷伯菌KCTC224