6、CRiSPy - 加速微生物群落分析的利器

CRiSPy - 加速微生物群落分析的利器

在微生物群落研究领域，随着焦磷酸测序技术的不断进步，输入的读取数据集规模迅速增长。计算成对遗传距离矩阵这一关键任务变得极为耗时，传统方法在处理大规模数据集时面临着巨大挑战。本文将介绍一种名为 CRiSPy 的并行化工具，它基于流行的 ESPRIT 软件包，利用 CUDA 编程实现了高效的成对 k - 元距离和遗传距离计算，为微生物群落分析带来了显著的加速效果。

1. 微生物群落分析方法概述

微生物群落研究中，对 16S rRNA 标记基因进行测序的焦磷酸测序技术应用广泛。计算分析这些数据集主要有两种方法：
- 分类学依赖方法 ：将输入数据与参考数据库进行比对，根据匹配结果为每个读取分配一个生物体。但现有数据库不完整，大量微生物未知，该方法存在局限性。
- 分类学独立方法 ：进行层次聚类，根据距离阈值将读取分入操作分类单元（OTU）。此方法能表征新微生物，但全比对计算密集，传统方法计算复杂度高，应用受限。

现有分类学独立方法可分为四类：
|方法类型|示例|
| ---- | ---- |
|多序列比对（MSA）|如 MUSCLE|
|基于轮廓的多序列比对（PMSA）|如 RDP - aligner|
|成对全局比对（PGA）|如 ESPRIT|
|贪婪层次聚类（GHC）|如 UCLUST|

多项性能评估表明，MSA 和 PMSA 方法的遗传距离矩阵值准确性不如 PGA 方法，GHC 方法虽快但聚类质量一般。PGA 方法的主要缺点是计算复杂度高，对于包含 n 个平均长