微生物のゲノムデータから表現型予測ができるTraitar を使う

微生物の表現型を予測できるTraitar を使ってみよう

少しだけ自己紹介

現在，慶應義塾大学の環境情報学部に在学している学部３年生です．
現在は次世代シーケンサでMicrobiome解析とか，公共データベース使ってゲノム比較解析などをメインで行っています．

AT Advent Calendar 2017 用のネタです．ぜひAT勢のみなさん，取り組んでみてください！！！

Traitar とは

Traitar(Aaron Weimann et al,. 2016) は，ヌクレオチドまたはタンパク質配列から微生物の表現型（６７種類）を予測してくれる便利なツール．

Traitarの解析に必要なゲノムデータ

今回は，ヒト常在菌である
Propionibacterium acnes SK137 株
Staphylococcus aureus RF122 株
Staphylococcus epidermidis ATCC 12228 株

最近また話題になっている O157 の仲間である病原菌
Escherichia coli O157:H7 str. Sakai 株

を用いて表現型を予測してみます。

1. 必要なゲノムデータを公共データベースからダウンロードする

今回は，NCBIという大手のゲノムデータベースから４株のゲノムをダウンロードしていく．

# HomeBrew がインストールされていない場合
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

# wget がインストールされていない場合
brew install wget

# ゲノムデータのダウンロード
# Propionibacterium acnes SK137

wget ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/025/765/GCF_000025765.1_ASM2576v1/GCF_000025765.1_ASM2576v1_genomic.fna.gz

# Staphylococcus aureus RF122

wget ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/009/005/GCF_000009005.1_ASM900v1/GCF_000009005.1_ASM900v1_genomic.fna.gz

# Staphylococcus epidermidis ATCC 12228

wget ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/007/645/GCF_000007645.1_ASM764v1/GCF_000007645.1_ASM764v1_genomic.fna.gz

# Escherichia coli O157:H7 str. Sakai

wget ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/000/008/865/GCF_000008865.1_ASM886v1/GCF_000008865.1_ASM886v1_genomic.fna.gz

# ファイルの解凍
gunzip *.gz

# fnaディレクトリの作成
mkdir fna

# fna ファイルの移動
mv *.fna fna/

2.Traitar とその依存ツールのインストールする

Traitar はPython のモジュールであり，pip インストールでインストールできる．
また依存するツールは以下の通り
・python-scipy
・python-matplotlib
・python-pip
・python-pandas
・paralell
・prodigal
・hmmer

# Python のバージョン
python -V

# >> Python 2.7.13

# pip のインストール
brew install pip

# scipy, matplotlib, pandas のインストール
pip install scipy matplotlib pandas

# parallel, prodigal, hmmer のインストール
brew tap homebrew/science
brew install parallel prodigal hmmer

# Traitar のインストール
pip install traitar

3. Pfam データベースをダウンロードする

Traitar はPfam データベースを用いてアノテーションを行う．
そのため，Pfam27.0のデータベースをダウンロードする必要がある．

# Pfam データベースは以下からダウンロード可能．
wget ftp://ftp.ebi.ac.uk/pub/databases/Pfam/releases/Pfam27.0/Pfam-A.hmm.gz

# ディレクトリの作成
mkdir Pfam27.0

# Pfam モデルのファイルの移動
mv Pfam-A.hmm.gz Pfam27.0

# Pfam モデルのファイルの解凍
gunzip Pfam27.0/Pfam-A.hmm.gz

# traitar にパスを読み込ませる
traitar pfam --local $PWD/Pfam27.0

4. Traitar を実行する

環境構築が済んだらTraitar を実行．

Traitar の標準Workflow

samples.txt に記載されたゲノムデータの塩基配列(${in_dir}ディレクトリ内のFASTA形式ファイル)に対して，Prodigal でORFを予測し，Pfam データベースへのアノテーションをhmmer で行い，表現型(67種類)を予測する．

# samples.txt を作成する
vi samples.txt

# samples.txtの中身 (space はtabに変換, categoryの1はグラム陽性菌，２はグラム陰性菌)
sample_file_name sample_name category
GCF_000025765.1_ASM2576v1_genomic.fna Propionibacterium_acnes_SK137 1
GCF_000009005.1_ASM900v1_genomic.fna Staphylococcus_aureus_RF122 1
GCF_000007645.1_ASM764v1_genomic.fna Staphylococcus_epidermidis_ATCC12228 1
GCF_000008865.1_ASM886v1_genomic.fna Escherichia_coli_O157_H7_str.Sakai 2

ではようやくTraitarの実行

# Traitar の実行
in_dir=fna
out_dir=results
traitar phenotype ${in_dir} samples.txt from_nucleotides ${out_dir} -c $(getconf _NPROCESSORS_ONLN)

5. 実行結果を確認する

出力結果は，${out_dir} に格納される．

#Pfam のアノテーション
${out_dir}/annotation

#遺伝子の予測
${out_dir}/gene_prediction

#表現型の予測
${out_dir}/phenotype_prediction

・ Pfam のアノテーション

# 表現型とサンプルのクラスタリング樹形図を示すヒートマップ
${out_dir}/phenotype_prediction/heatmap_phypat.pdf
${out_dir}/phenotype_prediction/heatmap_phypat+PGL.pdf
${out_dir}/phenotype_prediction/heatmap_combined.pdf

・ 出力結果のHeatMap(heatmap_combined.pdf)

・Heatmap cokorkey
白，水色，緑色，青色の４色があり，各表現型がなんのアルゴリズムで予測されたかを示す．

白：両アルゴリズムで予測されなかった
水色：phypat で予測された
緑色：phypat, PGL で予測された
青色：両アルゴリズムで予測された

・Sample colorkey
Samples.txt の３列目を反映しており，今回は
1: グラム陽性菌
2: グラム陰性菌
とした．

・ 表現型予測テキストファイル

# 表現型予測のテキストファイル
${out_dir}/phenotype_prediction/predictions_majority-vote_combined.txt
${out_dir}/phenotype_prediction/predictions_flat_majority-votes_combined.txt

# 各数値の説明
0 = negative prediction
1 = prediction made only by the pure phyletic classifier
2 = prediction made by the phylogeny-aware classifier
3 = prediction supported by both algorithms

# 両アルゴリズム(phypat, phypat+PGL) の出力結果
${out_dir}/phenotype_prediction/phypat/
${out_dir}/phenotype_prediction/phypat+PGL/

エラーの対処

Traitarは2016年から更新が止まっているツールなので、Pythonも含めた依存ツールのバージョンに注意が必要。

2020年12月にcondaを用いてpython2.7の環境を構築し実行を試みたところ、以下のpandasのエラーがでた。

AttributeError: 'DataFrame' object has no attribute 'sort'

どうやら、pandasがsort()をバージョン0.20にて削除したらしい。
'DataFrame' object has no attribute 'sort'

sort() was deprecated (but still available) in Pandas with release 0.17 (2015-10-09) with the introduction of sort_values() and sort_index(). It was removed from Pandas with release 0.20 (2017-05-05).

そのため、pandasのバージョンをダウングレードしたら実行できた。

pip install pandas==0.17

Traitar論文の引用

Traitar の論文引用は以下から．

From Genomes to Phenotypes: Traitar, the Microbial Trait Analyzer
Weimann A, Mooren K, Frank J, Pope PB, Bremges A, McHardy AC. From Genomes to
Phenotypes: Traitar, the Microbial Trait Analyzer. mSystems. 2016 Dec 27;1(6).
pii: e00101-16. doi: 10.1128/mSystems.00101-16. eCollection 2016 Nov-Dec.

参考文献

・Traitar – the microbial trait analyzer
https://github.com/hzi-bifo/traitar

・Traitar Tutorial Project
https://github.com/haruosuz/mgsa/tree/master/traitar