行业应用｜基于超算的环境宏基因组数据分析平台

本文内容整理自:中国科学院生态环境研究中心助理研究员 王东麟老师在第四届“氮素生物地球化学循环”学术论坛的行业析平报告实录

随着大家对生命未知领域的探索,越来越多的需要依靠测序技术对生物的过程、代谢的应用特性进行解析。尤其是基于境宏基因据分现在广泛利用的二代测序技术,也是基于短序列的测序方式,它能够以一种较高性价比的方式,给广大的科研工作者以及实际的生产过程中的工作人员,提供非常有用的信息。

这种测序技术需要我们对生物学过程,超算包括对计算机代码有些理解的基础,其中会包含一些生物信息学领域的专属名词,甚至会要求具备编程基础。这也造成了大家对环境宏基因组的组数分析过程上手难度的增加。宏基因组的行业析平测序量,一般在6～10GB+,往往带来的是对计算成本,尤其是计算时长高的消耗。基于北京超级云计算中心(以下简称北京超算)的应用算力资源和平台,我们搭建了能够对环境宏基因组数据进行分析的软件和平台,在这个平台上能实现群落功能的分析,并且整合了宏基因组分箱技术,以及基于深度学习的病毒组分析。

1Tb的基于境宏基因据分数据大约100个样本,每个样本测序深度在10个G左右。单纯使用服务器进行分析大约需要150天,超算在基于北京超算搭建的宏基因组数据分析平台上进行计算,7-20天之内就可以完成数据分析,大大的节约了时间成本和计算费用成本。

北京超算能够提供非常强的组数硬件支持,满足计算需求的同时提供7X24小时的专属客服支持。近几年来通过与北京超算的行业析平合作达成了一些论文计算的分析过程,并发表了一些文章。

案例1 湿地植物根际锰氧化物强化氨氧化过程

在解析锰氧化过程中,应用利用宏基因组分析平台,发现锰氧化过程和氨氧化过程存在耦合作用。锰氧化的基于境宏基因据分过程中其实缺乏在湿地中的探索,我们在全国各个城市进行湿地样本收集。对根际土和非根际土进行宏基因组测序,超算以及常规的理化指标的测定。

可以看到,组数宏基因组的测序量大约是3.7个TB。19年底到20年上半年,我的整个服务器都在跑这个数据还没有跑完。在开发了基于超算的计算流程和计算软件后,两个月内完成了所有的计算任务。简单分享一下我计算的成果。

我发现在芦苇根际中锰氧化物的丰度含量比较高。锰氧化主要是微生物(介导)的,所以我就好奇这个过程中到底有没有锰氧化基因有一个富集呢。基因的丰度是通过宏基因测序,然后加上计算获得的。我在对它进行不同分类比较的时候发现,根际和非根际锰氧化基因的组成类型其实是不一样的,植物根际可以显著的富集几种类型的锰氧化基因。

除此之外,湿地植物的根际核心微生物和锰氧化的含量,有些微生物是和它呈正相关的,有些是呈负相关的。正负相关的这些微生物中,最明显的功能上的区别在于:正相关的这些微生物中有一部分是能够执行氨氧化过程的。同样的,在人工湿地中我们发现了锰氧化物和铁氧化物都是微生物群落结构关键的驱动因子,同时,锰氧化物的含量和氨氮浓度之间呈非常显著的正相关性。大家都知道氨氧化很大程度上是由微生物(介导)的,尤其是在人工湿地水处理的过程中。在锰的氧化过程中,锰氧化物起到了非常关键的作用。它们二者之间到底有没有比较强的关联性呢?在生物学角度,我们对锰氧化基因和氨氧化基因之间进行了线性的回归分析,分析发现它们两个之间有非常强的线性关系。是不是别的氮转化的过程也和锰氧化的基因有这样的相关性呢?我们把剩下的一些氮转化过程的关键基因与锰氧化基因进行了关联分析,发现除了氨氧化基因,别的氮转化基因并没有和锰氧化基因形成显著的线性相关性。

我们又通过自建amoA的数据库,把执行氨氧化过程的微生物分成氨氧化古菌、氨氧化细菌和完全氨氧化菌。通过比较分析,我们发现人工湿地中常规的水处理环境中,完全氨氧化菌的比重比较高,高于常规的氨氧化细菌,并且锰氧化基因的丰度也与完全氨氧化菌之间呈正相关性。

对环境的解析过程,最主要的目的之一是为了把它更好的应用于污染治理过程中,在河北省晋州市龙门村,我们搭建了一个人工湿地的中试装置。面向当地农村的生活污水,我们在一些人工湿地中人为的向其中加入锰砂,即锰氧化物。我们发现加入的这部分锰氧化物可以提升氨氮的去除负荷,同时amoA的丰度也是得到了非常强的提升。

从自然发展到人为干预污染去除的过程中,由于前期使用超算获得微生物相关的数据,大大节省了分析的时间,有效提升了效率。

案例2 饮用水快速滤池完全氨氧化过程

在另一个水处理的环境中,我们考察了饮用水的快速砂滤池,在这个工程水处理的装置中微生物的一些过程。同样,我们对它进行了采样和测序,数据集大约是1个TB的测序深度。同样在过程中,我们发现氨氮转化比较好,而且和amoA的基因丰度也形成比较线性的关系。通过数据库比对分析发现,其中完全氨氧化菌起到了非常关键和重要的作用。它和锰的转化,锰氧化基因的转化过程,一同协同对整个砂滤池中的污染物形成了降解。

利用基于北京超算开发的宏基因组数据分析平台,能够快速的提取其中的微生物信息,并对病毒数据进行分析,解析水环境中相对完整的相互作用的网络;通过开发基于AI深度学习的算法,能够对噬菌体形成非常好的识别,包括对宿主的预测。

北京超算AI智算云平台可以提供非常丰富的GPU的计算资源,科研工作者无需自建资源即可完成建模任务,帮助没有深度学习经验的同学实现对病毒的解析。

(报告现场)