Compositional descriptors for large scale comparative metagenome analysis

• Applicant: Dr. Peter Meinicke
• Subject Area: Bioinformatics and Theoretical Biology
• Term: from 2010 to 2014
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 178869699

• Final Report Year: 2014

Final Report Abstract

In dem Projekt wurde erfolgreich ein neuer Ansatz zur statistischen Modellierung von Metagenomen entwickelt. Der Einsatz von Mischungsmodellen bietet neue Möglichkeiten in der vergleichenden Metagenomanalyse und kann durch effiziente Implementierung zu einer erheblichen Beschleunigung herkömmlicher Analyse-Pipelines beitragen. Der erzielbare Datendurchsatz liegt dabei um mehrere Größenordnungen über der Kapazität von BLAST-basierten Werkzeugen, die mit den wachsenden Sequenzdatensätzen und Datenbanken zunehmend zum Flaschenhals in der Metagenomanlyse werden. Die im Rahmen des Projektes implementierten Werkzeuge und Programme wurden publiziert und der wissenschaftlichen Gemeinschaft frei zugänglich gemacht.

Publications

• CoMet – a web server for comparative functional profiling of metagenomes. Nucleic Acids Research, 39(Suppl. 2):W518, 2011
  T. Lingner, K.P. Aßhauer, F. Schreiber, P. Meinicke
  
• Mixture models for analysis of the taxonomic composition of metagenomes. Bioinformatics 27(12):1618-1624, 2011
  P. Meinicke, K.P. Aßhauer, T. Lingner
  
• On the estimation of metabolic profiles in metagenomics. German Conference on Bioinformatics, 2013
  K.P. Aßhauer, P. Meinicke
  
• Protein signature-based estimation of metagenomic abundances including all domains of life and viruses. Bioinformatics, 29(8):973-980, 2013
  H. Klingenberg, K.P. Aßhauer, T. Lingner, P. Meinicke
  
• Characterizing metagenomic novelty with unexplained protein domain hits. German Conference on Bioinformatics, 2014
  T. Lingner, P. Meinicke
  
• Exploring Neighborhoods in the Metagenome Universe. International Journal of Molecular Sciences 2014, 15(7):12364-12378
  K.P. Aßhauer, H. Klingenberg, T. Lingner, P. Meinicke
  
• UProC: tools for ultra-fast protein domain classification Bioinformatics, Volume 31, Issue 9, 1 May 2015, Pages 1382–1388
  P. Meinicke