[論文レビュー] Meraculous-2D: Haplotype-sensitive Assembly of Highly Heterozygous genomes

Eugene Goltsman, Isaac Ho+1 more|arXiv (Cornell University)|Mar 29, 2017

Genomics and Phylogenetic Studies参考文献 13被引用数 6

ひとこと要約

Meraculous-2Dは、de Bruijnグラフにおける任意のパス選択を避けることで、ヘテロジゴティックな二倍体ゲノム全体でアレルの多様性を保持する、ハプロタイプに配慮したゲノムアセンブラーを提供する。両方のハプロタイプを同時に正確に再構築でき、特に多様性の高いゲノムにおけるアセンブリの連続性とフェージング精度を顕著に向上させる。

ABSTRACT

While many short read assemblers attempt to simplify the de Brujin graph by identifying and resolving variant-induced bubbles to produce a haploid mosaic result, this approach is only viable when variants are relatively rare and the bubbles are well defined in a graph context. We observed that diploid genomes with very high levels of heterozygosity fail to display well-resolved bubble structures in a typical assembly graph and thus result in highly fragmented and incomplete assemblies. Here we present an enhancement of Meraculous2 algorithm, called Meraculous-2D, which preserves haplotypes across variant sites and generates accurate assembly of highly heterozygous diploid genomes. Preserving and taking advantage of the allelic variation throughout the assembly process allows reconstructing both haplomes at once, without the need to pick arbitrary paths through bubble structures. We also enhanced the original diploidy resolution method of Meraculous2 to maintain and report phased haplotype variant information.

研究の動機と目的

• 標準的なアセンブラーがバブル構造を十分に解消できないため、非常にヘテロジゴティックな二倍体ゲノムのアセンブリに失敗する課題に対処すること。
• バリアントを豊富に含むグラフを単一のハプロタイプ・モザイクに単純化する従来の短鎖アセンブラーの制限を克服すること。
• バリアントサイト全体でアレルの多様性を保持・活用し、パス選択バイアスなしに両方のハプロタイプを同時に再構築すること。
• アセンブリプロセス全体でフェージングされたハプロタイプバリアント情報を維持・報告することで、フェージング精度を向上させること。
• GNU General Public Licenseに準拠したスケーラブルでオープンソースのソリューションを提供し、多様性の高いゲノムのデノボアセンブリを可能にすること。

提案手法

• de Bruijnグラフ構造にアレルの多様性を保持することで、Meraculous2アルゴリズムをハプロタイプ感受性アセンブリに対応させる拡張。
• 複雑なマルチブランチ領域におけるバブル構造の単純化を避け、任意のパス選択を行わない。
• 両方のハプロタイプを明示的にモデル化するグラフベースのアプローチを採用し、両親ゲノムを同時に再構築可能にする。
• フェージング情報をバリアントサイト全体で保持し、最終アセンブリで報告する洗練された二倍体化解像度手法を統合。
• k-mer頻度とリードマッピングデータを活用し、アセンブリ中に生物学的変異とシーングエラーを区別する。
• 階層的クラスタリングとグラフ分割戦略を適用し、複雑な領域を解消しながらも長距離のハプロタイプ連続性を維持する。

実験結果

リサーチクエスチョン

• RQ1 デノボアセンブラーは、バリアント豊富な領域を縮小せずに、非常にヘテロジゴティックな二倍体ゲノムで両方のハプロタイプを維持できるか？
• RQ2 アセンブリ中にアレルの多様性を保持することで、標準的なハプロタイプ・モザイクアセンブラーと比較して、コンティグアリティとフェージング精度にどのような影響を与えるか？
• RQ3 Meraculous-2Dは、N50、ハプロタイプ完全性、フェージング精度という観点で、既存のアセンブラーをどの程度上回るか？
• RQ4 アセンブリ後の追加フェージングステップなしに、アルゴリズムが信頼性高くフェージングされたバリアント情報を報告できるか？
• RQ5 バブル解消における任意のパス選択がなければ、より生物学的に正確なゲノム再構築が可能になるか？

主な発見

• Meraculous-2Dは、解釈不能なバブル構造による断片化を回避し、非常にヘテロジゴティックな二倍体ゲノムで両方のハプロタイプを正常に再構築した。
• バリアントサイトを単一のコンSENSUS配列に統合する標準アセンブラーと比較して、顕著に高いN50値を達成した。
• フェージングされたハプロタイプ情報が保持され、正確に報告されており、アレルの多様性解析のための下流解析を可能にした。
• 複雑なグラフにおけるパス選択を回避したことで、密度の高い多様性を示す領域でさえも、長距離のハプロタイプ連続性を維持した。
• 高いヘテロジゴティックな実験およびシミュレートデータセットに対して、従来のアセンブラーを上回る性能を示し、コンティグアリティとフェージング精度の両面で優れた結果を達成した。
• Meraculous-2DはGNU General Public Licenseに準拠しており、ゲノム研究におけるオープンアクセスと再現可能性を可能にした。