青岛能源所提出微生物组相似度新算法DMS

　　与此同时，得益于高性能并行计算优化技术，在计算百万数量级之元基因组样本的相似度时（5×10¹¹次相似度计算），DMS在单个计算节点上仅用6.4小时即可完成，与目前最快算法相比，速度提高了20%，同时还节省了40%的内存使用率（图2b）。

　　作为元基因组学领域的共性基础算法之一，DMS将基于单细胞中心开发的微生物组搜索引擎（http://mse.ac.cn），直接服务于地球微生物组计划（EMP）、人体微生物组计划（HMP）、中科院微生物组计划等大科学计划，从而支撑基于菌群测序的精准健康、精准护理与精准营养。

　　该论文的并列第一作者是生物信息研究组荆功超和张玉凤，由苏晓泉主持完成，并获得国家自然科学基金、山东省自然科学重大基础研究项目、中科院微生物组计划等的支持。

　　论文信息：Jing G.¹, Zhang Y.¹, Liu L., Yang M., Xu J. and Su X.^* Dynamic Meta-Storms enables comprehensive taxonomic and phylogenetic comparison of shotgun metagenomes at the species level. Bioinformatics(2019) DOI: 10.1093/bioinformatics/btz910.

图1 Dynamic Meta-Storms能全面、精确地计算元基因组之间物种水平的相似度。

图2 与其他算法相比，Dynamic Meta-Storms能够更精确地计算菌群之间相似度（a），同时在计算速度和计算资源利用率上有显著提升（b）。