SCRAPT:an iterative algorithm for clustering large 16S rRNA gene data sets

聚类分析 瓶颈 数据挖掘 CURE数据聚类算法 生物 计算机科学 算法 相关聚类 人工智能 嵌入式系统
作者
Tu Luan,Harihara Subrahmaniam Muralidharan,Marwan Alshehri,Ipsa Mittra,Mihai Pop
出处
期刊:Nucleic Acids Research [Oxford University Press]
标识
DOI:10.1093/nar/gkad158
摘要

16S rRNA gene sequence clustering is an important tool in characterizing the diversity of microbial communities. As 16S rRNA gene data sets are growing in size, existing sequence clustering algorithms increasingly become an analytical bottleneck. Part of this bottleneck is due to the substantial computational cost expended on small clusters and singleton sequences. We propose an iterative sampling-based 16S rRNA gene sequence clustering approach that targets the largest clusters in the data set, allowing users to stop the clustering process when sufficient clusters are available for the specific analysis being targeted. We describe a probabilistic analysis of the iterative clustering process that supports the intuition that the clustering process identifies the larger clusters in the data set first. Using real data sets of 16S rRNA gene sequences, we show that the iterative algorithm, coupled with an adaptive sampling process and a mode-shifting strategy for identifying cluster representatives, substantially speeds up the clustering process while being effective at capturing the large clusters in the data set. The experiments also show that SCRAPT (Sample, Cluster, Recruit, AdaPt and iTerate) is able to produce operational taxonomic units that are less fragmented than popular tools: UCLUST, CD-HIT and DNACLUST. The algorithm is implemented in the open-source package SCRAPT. The source code used to generate the results presented in this paper is available at https://github.com/hsmurali/SCRAPT.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
3秒前
Kelly1426完成签到,获得积分10
3秒前
清漪完成签到,获得积分10
4秒前
薛定谔的猫完成签到,获得积分10
5秒前
Jeffery完成签到,获得积分10
5秒前
Ukuleleen完成签到,获得积分10
5秒前
7秒前
7秒前
QSJ完成签到,获得积分10
7秒前
打打应助111112采纳,获得10
9秒前
慕青应助积极问晴采纳,获得10
10秒前
八宝粥我爱喝完成签到 ,获得积分10
10秒前
盛yyyy完成签到,获得积分10
10秒前
11秒前
CipherSage应助wxyllxx采纳,获得10
12秒前
辉辉发布了新的文献求助10
13秒前
今后应助清凉采纳,获得10
14秒前
14秒前
吱吱发布了新的文献求助10
14秒前
14秒前
小月亮发布了新的文献求助10
16秒前
16秒前
17秒前
小可发布了新的文献求助10
18秒前
SXR发布了新的文献求助20
18秒前
yappy123完成签到,获得积分10
20秒前
十一完成签到 ,获得积分10
20秒前
曹沛岚完成签到,获得积分10
20秒前
21秒前
xcz发布了新的文献求助10
22秒前
22秒前
23秒前
23秒前
开朗的诗槐完成签到 ,获得积分10
25秒前
一蓑烟雨任平生完成签到,获得积分10
25秒前
英姑应助愤怒的卓越采纳,获得10
26秒前
繁荣的过客完成签到 ,获得积分20
27秒前
顾矜应助tusizi2006采纳,获得10
29秒前
ding应助wxyllxx采纳,获得10
29秒前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Becoming: An Introduction to Jung's Concept of Individuation 600
中国氢能技术发展路线图研究 500
Communist propaganda: a fact book, 1957-1958 500
Briefe aus Shanghai 1946‒1952 (Dokumente eines Kulturschocks) 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3168308
求助须知:如何正确求助?哪些是违规求助? 2819642
关于积分的说明 7927284
捐赠科研通 2479437
什么是DOI,文献DOI怎么找? 1320927
科研通“疑难数据库(出版商)”最低求助积分说明 632907
版权声明 602458