<meta charset="utf-8">
文献信息：
标题：Improved metagenome binning and assembly using deep variational autoencoders
中文：深度变分自编码改进宏基因组分箱和组装
杂志：NBT
时间：2021.1.4
尽管在宏基因组学分类方面有新进展，但是从宏基因组学数据重建微生物物种仍然具有挑战性。来自*Nature Biotechnology *的一项最新研究开发了用于宏基因组分箱（VAMB）的变体自动编码器，该程序使用深度的变体自动编码器在聚类之前对序列丰度和k-mer分布信息进行编码。结果表明VAMB能够集成这两种不同的数据类型，而无需事先了解数据集。 VAMB的表现优于现有的最新Binner，在模拟和真实数据上分别重建了29-98％和45％的近乎完整（NC）基因组。此外，VAMB能够分离出高达99.5％的平均核苷酸同一性（ANI）的密切相关菌株，并从1,000例人类肠道微生物组样本数据集中将255个和91个NC Bacteroides vulgatus和Bacteroides dorei样品特异性基因组重建为两个不同的簇。研究者从该数据集中使用了2606个NC箱，以显示人类肠道微生物组的物种具有不同的地理分布模式。 VAMB可以从https://github.com/RasmussenLab/vamb 免费获得。
Figure 1 VAMB原理
主要原理
VAMB主要有4个必需步骤和1个可选步骤：
a） 解析包含要分档的N个DNA序列的输入FASTA文件，并计算标准的4聚体频率或四核苷酸频率（TNF），并将其存储在N×103矩阵。 或者，可以使用预先计算的TNF。
b） 每个样本的reads数据已经mapping到a中的FASTA文件，生成包含到所有序列的特定于样本的mapping的S/BAM文件。对这些数据进行解析，并根据RPKM计算出数据的丰度。每个BAM文件都表示为N×S矩阵中的一列。或者，可以使用预先计算的RPKM。
c） TNF和RPKM使用变分自编码器(VAE)连接和编码到一个潜在表示(μ)，一个N×L矩阵，其中L通常小于S + 103。这种表示法保留了TNF和RPKM的加权信息，但较小。
d） 利用自适应迭代的中线方法进行聚类。序列被提出为medoids, M和余弦分布距离从M到所有序列放置在直方图(d1)。如果有一些距离(小峰)与主要分布(大峰)被波谷分开，半径r设置在波谷的最小值，并且r内的所有序列都聚类(d2)。这样重复，直到所有的序列都聚集在一起。
e） 这是可选步骤。来自d的聚类可以被拆分，分成sample-wise的bins，这由FASTA文件中的序列头决定。这保证了样品的纯度，提高了菌株的纯度。
参考文献：
Jakob Nybo Nissen, Joachim Johansen, Rosa Lundbye Allesøe, Casper Kaae Sønderby, Jose Juan Almagro Armenteros, Christopher Heje Grønbech, Lars Juhl Jensen, Henrik Bjørn Nielsen, Thomas Nordahl Petersen, Ole Winther & Simon Rasmussen. (2021). Improved metagenome binning and assembly using deep variational autoencoders. Nature Biotechnology, doi: https://doi.org/10.1038/s41587-020-00777-4
