RESCRIPt: воспроизводимое управление референсными базами данных последовательностей и таксономии

Референсные базы нуклеотидных последовательностей и таксономии — важнейший ресурс для широкого круга задач, включая секвенирование маркерных генов и метагеномов при анализе микробиома, метабаркодирование рациона и исследования экологической ДНК (эДНК). Воспроизводимое создание, ведение, использование и оценка таких баз представляют серьёзную трудность для исследователей, которым необходимо создавать собственные базы последовательностей. Кроме того, состав базы существенно влияет на результаты, а отсутствие стандартизации затрудняет сравнение исследований. Для решения этих проблем мы разработали RESCRIPt — программный пакет для Python 3 и плагин QIIME 2, предназначенные для воспроизводимого создания и ведения референсных баз последовательностей и таксономии. В пакет входят специализированные функции, упрощающие создание баз на основе популярных источников, а также инструменты для оценки и сравнения баз и интерактивного изучения их качественных и количественных характеристик. Чтобы продемонстрировать широту возможностей RESCRIPt, мы приводим несколько примеров работы с популярными базами для профилирования микробиома (SILVA, Greengenes, NCBI-RefSeq, GTDB), исследований эДНК и метабаркодирования рациона (BOLD, GenBank), а также сравнения геномов. Мы показываем, что большая база не всегда лучше: базы со стандартизированной таксономией и базы, ориентированные на типовые штаммы, имеют количественные преимущества, хотя подходят не для всех задач. Большинству баз, по-видимому, полезна некоторая редакторская обработка, включая фильтрацию по качеству, тогда как кластеризация последовательностей, как представляется, снижает качество базы. Наконец, возможности и расширяемость RESCRIPt для воспроизводимых рабочих процессов мы демонстрируем на примере сравнения глобальных геномов вируса гепатита. RESCRIPt предоставляет инструменты, делающие получение и ведение референсных баз более доступными, и позволяет исследователям воспроизводимо и прозрачно создавать референсные материалы для различных научных задач. RESCRIPt распространяется на условиях разрешительной лицензии BSD-3: https://github.com/bokulich-lab/RESCRIPt.