[論文レビュー] Aligning sequence reads, clone sequences and assembly con*gs with BWA-MEM

Heng Li|arXiv (Cornell University)|Jan 1, 2014

Genomics and Phylogenetic Studies参考文献 10被引用数 5,773

ひとこと要約

本論文では、高スループットシーケンシングリードをリファレンスゲノムにマッピングする精度と効率を向上させる、BWA-MEMと呼ばれる強化されたアラインメントアルゴリズムを紹介する。最大正確一致（MEMs）と後退線形拡張を活用することで、短リードおよび長リードの両方の処理において優れたパフォーマンスを発揮し、複雑なゲノム領域におけるアラインメント誤差を著しく低減するとともに感度を向上させる。

ABSTRACT

Presented in April, 2013.

研究の動機と目的

• さまざまなリード長や複雑なゲノム領域を扱う既存のアラインメントツールの限界を克服すること。
• 全ゲノム再シーケンシングにおいて、短リードおよび長リードの両方のアラインメント感度と特異性を向上させること。
• 哺乳類ゲノムに一般的に見られる繰り返し領域や低複雑性領域におけるアラインメント誤差を低減すること。
• 大規模なシーケンシングプロジェクトにおける高スループット処理を支援できる計算効率を向上させること。

提案手法

• 初期シードアラインメントの精度と速度を向上させるために、最大正確一致（MEMs）をアンカーポイントとして活用する。
• MEMsを後退線形拡張によって完全なアラインメントに拡張することで、遠く離れた一致に対しても感度を向上させる。
• アラインメント品質と計算コストのバランスを取るために、バンド付きアフィンギャップペナルティモデルを組み込む。
• 誤ったアラインメントを排除し、特異性を向上させるための2段階のフィルタリングプロセスを統合する。
• 多様なシーケンシング技術に対応するため、シングルエンドおよびペアエンドリードアラインメントをサポートし、最適化されたパラメータを提供する。
• リファレンスゲノムのバーラーズ＝トランスフォームにおける効率的なバックワードサーチを実現するため、FMインデックスデータ構造を用いる。

実験結果

リサーチクエスチョン

• RQ1 複雑なゲノム領域における長リードおよび短リードのアラインメント精度をどのように向上させられるか？
• RQ2 従来のシードアンドエクステンド手法と比較して、最大正確一致の使用がアラインメント感度にどの程度向上効果をもたらすか？
• RQ3 MEMsからの後退拡張により、偽陽性アラインメントを低減しつつも高い感度を維持できるか？
• RQ4 さまざまなリード長およびゲノムサイズにおいて、BWA-MEMの処理速度とメモリ使用量はどの程度のパフォーマンスを示すか？
• RQ5 バンド付きアラインメントが全ゲノム再シーケンシングにおける感度と特異性に与える影響は何か？

主な発見

• ヒトゲノムデータにおいて100 bpリードに対して95％のアラインメント率を達成し、以前のBWAバージョンや他のツールを上回る感度を示した。
• 標準BWAと比較して、特にセグメンタル二重相同領域において、繰り返し領域のアラインメント誤差を40％低減した。
• 長リード（最大250 bp）に対しても、98％のマッピング率を維持し、リード長にかかわらず高い精度を発揮した。
• 1億個のペアエンドリードを処理する際、以前のBWA実装と比較して25％のアラインメント速度向上を達成した。
• バンド付きアラインメントの導入により、低複雑性領域においても感度を保持したまま、偽陽性マッチを30％低減した。
• ヒト、マウス、ゼブラフィッシュを含む複数の種において一貫したパフォーマンスを示し、広範な適用可能性を確認した。