Classification and quantification of the contents of fishmeal using hash-based classification algorithms on metagenomic sequence data

Abstract

With the abundance of sequence data and the development of effective computer algorithms, new practical applications using sequence data are possible, among the authentication of the contents of food and feed. This study aims to explore if metagenomic sequence data can be used to classify and quantify the contents of fishmeal samples. In this study the hash-based classification software Kraken2+Bracken was used to classify and quantify the contents of fishmeal samples. The study utilized simulated sequences as a best-case scenario and real DNA sequence data and assess the ability of Kraken2+Bracken to classify and quantify the contents with the measurements purity, completeness, Bray-Curtis dissimilarity and Principal component analysis. The results indicate that Kraken2+Bracken is able to classify the DNA sequence in the samples, but that the accuracy of the classifications and quantifications are dependent on the threshold and settings used, and for the samples based on real meatgenomic data, sample preparation likely affect the accuracy.

Med den store mengden sekvensdata og utviklingen av effektive data algoritmer, nye praktiske anvendelser av sekvensdata er mulige, blant dem autentisering av innholdet i mat og fòr. Denne studien har som mål å utforske om metagenomisk sekvensdata kan brukes til å klassifisere og kvantifisere innholdet i fiskemel blandinger. I denne studien ble den hash-baserte klassifiserings programvaren Kraken2+Bracken som ble brukt til å klassifisere og kvantifisere innholdet i fiskemel blandinger. Studien benyttet simulert data som et ideal-tilfelle og ekte DNA sekvensdata og vurderte Kraken3+Bracken sin kvantifiserings og kvantifiseringsevne ved å bruke målene purity, completeness, Bray-Curtis ulikhet og principal component analysis. Resultatene antyder at Kraken2+Bracken er i stand til å klassifisere DNA sekvensene i blandingene, men at nøyaktigheten til klassifiseringen og kvantifiseringen er avhengig av terskelverdier og innstilingene brukt, og for blandingene basert på ekte metagenomisk data er det sannsynlig at hvordan prøvene tilberedes påvirker nøyaktigheten.