Detección precisa de asociaciones metagenómicas a nivel de cepa mediante el uso de la identidad promedio de nucleótidos con StrainSpy.

La variación genética entre las cepas microbianas de la misma especie puede influir profundamente en sus fenotipos, funciones ecológicas y efectos en la salud humana. Tradicionalmente, se ha utilizado la abundancia relativa de una especie para identificar asociaciones entre el microbioma y la enfermedad.

Sin embargo, este enfoque pasa por alto la variación genética intraespecie y es susceptible a correlaciones espurias que surgen de la naturaleza composicional de los datos de abundancia y la carga microbiana. Los algoritmos rápidos basados en k-mers ahora pueden estimar con precisión la identidad media de nucleótidos (ANI) a nivel de cepa en metagenomas. A pesar de su valor como métrica ortogonal para el análisis a nivel de cepa, los métodos para realizar estudios de asociación basados en ANI siguen siendo limitados. Para abordar esto, desarrollamos StrainSpy, un algoritmo estadístico que identifica asociaciones entre la ANI de contig y las variables de interés en una amplia gama de diseños de estudio, incluidos los diseños longitudinales y multicohorte.

El reanálisis de un estudio que examinó la recuperación de la microbiota intestinal en 12 adultos sanos después de la exposición a antibióticos reveló nuevas asociaciones a nivel de cepa, incluida una reducción de la diversidad a nivel de cepa a pesar de la persistencia de la especie. La aplicación de StrainSpy a un análisis multicohorte de 3.414 metagenomas de cáncer colorrectal identificó nuevas asociaciones a nivel de cepa con el cáncer colorrectal.

Sin embargo, en una colección separada de estudios de microbioma e inmunoterapia, ninguna cepa individual se asoció de manera consistente entre las cohortes. Es importante destacar que, en ambos conjuntos de datos, los modelos de aprendizaje automático basados en la ANI de contig informados por StrainSpy lograron una precisión comparable a los métodos tradicionales basados en la abundancia. StrainSpy está disponible públicamente como un paquete R en github.com/gtonkinhill/strainspy.