메타유전체는 환경에서 직접 채취한 유전체 정보의 집합으로서, 이를 통해 연구실 환경에서 얻을 수 없는 다양한 유전체 정보를 얻을 수 있다. 메타유전체에는 수많은 생물체의 유전체가 뒤섞여 있기 때문에, 그 안에 존재하는 생물의 구성과 비율을 알아내는 것이 중요한 문제가 된다. 이러한 문제를 비닝이라고 하는데, 16S rRNA를 이용하는 것이 대표적인 비닝 방법이다. 16S rRNA를 이용하면 매우 정확한 결과를 얻을 수 있지만, 별도의 라이브러리를 구축해야 하기 때문에 시간과 비용이 많이 필요하다. 이 때문에, 컴퓨터 계산을 기반으로 하는 여러 가지 비닝 방법이 개발되고 있다. 본 논문은 레퍼런스 얼라인먼트 방식의 비닝 방법에 유전체 조립 (genome assembly) 알고리즘을 융합하여 새로운 비닝 방법인 BARM을 개발하였다. 가상 변이 생성기를 이용하여 메타유전체 환경을 시뮬레이션하여 실험한 결과, 레퍼런스 데이터가 부족한 종의 비닝에 있어서 기존 비닝 방법보다 더 우수한 결과를 나타내었다.
Metagenome is a large set of genomic information, collected directly from the environmental sample. We can acquire much information which cannot be obtained under laboratory conditions. Since the metagenome is a complicate mixture of numerous species, it is an important problem to infer the composition of species in metagenome - the binning problem. Binning with 16S rRNA is the most widely-used and accurate binning method. But it requires much time and high cost for the construction of additional biological library. To solve this problem, many computational binning methods such as Random Sequence Read(RSR) are developed. In this paper, we suggest a new binning approach BARM - a conjunction of reference alignment and genome assembly. We compare BARM with RSR using the synthetic genomic-variants generator, and BARM produced more superior result in genomic diversity of metagenome.
