Nature Methods：通过系统发育压缩高效稳健地搜索微生物基因组

随着生命科学领域测序基因组数据量逼近数百万，传统搜索工具（如 BLAST）难以应对。研究人员开展了系统发育压缩技术的研究，该技术可提升数据压缩比，还能实现类似 BLAST 的快速搜索，对计算生物学及未来基因组学基础设施意义重大。

　　

在生命科学领域，包含近数百万个已测序基因组的综合数据集已成为核心信息源。然而，这些数据集的快速增长使得使用诸如基本局部比对搜索工具（BLAST）及其后续工具搜索这些数据变得几乎不可能。

在此，介绍一种名为系统发育压缩（phylogenetic compression）的技术，它利用进化历史指导数据压缩，并借助现有算法和数据结构高效搜索大规模微生物基因组数据集。

研究表明，当将该技术应用于包含近数百万个基因组的现代多样化数据集时，无损系统发育压缩能将基因组组装、德布鲁因图（de Bruijn graphs）和 k_mer索引的压缩比提高一到两个数量级。

此外，研究人员开发了一种针对这些经系统发育压缩的参考数据进行类似 BLAST 搜索的流程，并且证明在普通台式计算机上，该流程能在数小时内将基因、质粒或整个测序实验数据与截至 2019 年已测序的所有细菌进行比对。

系统发育压缩在计算生物学领域有着广泛的应用，还可能为未来基因组学基础设施提供基本设计原则。