[論文レビュー] DUDE-Seq: Fast, flexible, and robust denoising of nucleotide sequences

Byunghan Lee, Taesup Moon+2 more|arXiv (Cornell University)|Nov 16, 2015

Genomics and Phylogenetic Studies参考文献 60被引用数 3

ひとこと要約

DUDE-Seq は、離散的メモリレス通信路モデルを用いて置換エラーおよびホモポリマーインデルエラーを補正することで、ヌクレオチド配列の高速で柔軟かつ頑健なノイズ除去手法である。既存手法よりも誤り補正の正確性と計算効率に優れ、ノイズモデルの更新により多様なシークエンシングプラットフォームへの適応が可能である。

ABSTRACT

We consider the correction of errors from nucleotide sequences produced by next-generation sequencing. The error rate in reads has been increasing with the shift of focus of mainstream sequencers from accuracy to throughput. Denoising in high-throughput sequencing is thus becoming a crucial component for boosting the reliability of downstream analyses. Our methodology, named DUDE-Seq, is derived from a general setting of reconstructing finite-valued source data corrupted by a discrete memoryless channel and provides an effective means for correcting substitution and homopolymer indel errors, the two major types of sequencing errors in most high-throughput sequencing platforms. Our experimental studies with real and simulated data sets suggest that the proposed DUDE-Seq not only outperforms existing alternatives in terms of error-correction capabilities, and time efficiency, but also boosts the reliability of downstream analyses. Further, the flexibility of DUDE-Seq enables us to robustly apply it to different sequencing platforms and analysis pipelines by a simple update of the noise model. [availability: this http URL]

研究の動機と目的

• 次世代シークエンシングにおける精度からスループットへのシフトに伴い、誤り率が上昇するという課題に対処すること。
• 高スループットシークエンシングにおける2大誤りタイプ（置換誤りおよびホモポリマーインデル誤り）に対して効果的なノイズ除去手法を開発すること。
• 既存手法と比較して優れた時間効率を達成しながらも、高い正確性を維持する手法を構築すること。
• ノイズモデルの簡単な更新を可能にすることで、多様なシークエンシングプラットフォームにわたる頑健性を確保すること。

提案手法

• DUDE-Seq は、有限値のソースデータが離散的メモリレス通信路によって損傷を受ける一般化されたフレームワークに基づいて導出される。
• シークエンシング誤りを離散的メモリレス通信路内の遷移としてモデル化し、置換誤りおよびホモポリマーインデル誤りの原理的補正を可能にする。
• 観測されたノイズのあるリードとノイズモデルに基づいて、最も確率の高い元の配列を推定する尤度に基づく再構成アプローチを採用する。
• コアアルゴリズムを変更せずに、ノイズモデルの更新により異なるシークエンシングプラットフォームへの柔軟な適応を可能にする。
• 局所的文脈の活用と計算オーバーヘッドの最小化により、効率的なアルゴリズム動作を実現する。
• 最小限の構成変更で多様な解析パイプラインに統合可能に設計されている。

実験結果

リサーチクエスチョン

• RQ1 高スループットシークエンシングにおける下流解析の信頼性を向上させるために、ヌクレオチド配列をどのように効果的にノイズ除去できるか？
• RQ2 既存手法と比較して、DUDE-Seq は置換誤りおよびホモポリマーインデル誤りの補正においてどの程度のパフォーマンスを示すか？
• RQ3 優れた誤り補正性能を達成しながら、どのようにして高い速度と低い計算コストを維持できるか？
• RQ4 DUDE-Seq は、最小限の再設定で多様なシークエンシングプラットフォームに柔軟に適用可能か？
• RQ5 DUDE-Seq は、バリアントコールやアセンブリなどの下流解析の正確性をどのように向上させるか？

主な発見

• DUDE-Seq は、実データおよびシミュレーテッドデータの両方において、置換誤りおよびホモポリマーインデル誤りの誤り補正正確性で既存のノイズ除去手法を上回っている。
• 処理時間の効率性が顕著に向上し、高スループットシークエンシングデータの処理を高速化している。
• 誤った陽性を低減し、バリアント検出の正確性を向上させることで、下流解析の信頼性が向上している。
• DUDE-Seq の柔軟性のおかげで、ノイズモデルの簡単な更新により、異なるシークエンシングプラットフォームへのシームレスな適応が可能である。
• 実験結果から、多様なシークエンシング技術および解析パイプラインにおいて、堅牢なパフォーマンスが示されている。