[論文レビュー] New strategies to improve minimap2 alignment accuracy

Heng Li|arXiv (Cornell University)|Aug 7, 2021

Genomics and Phylogenetic Studies参考文献 14被引用数 9

ひとこと要約

この論文は、長時間読取のアラインメントにおいて、特に反復的領域および構造的変異（SV）において、minimap2 v2.22で顕著な精度向上を実現した。高頻度k-mersの回復を図るヒューリスティック、最大100 kbの長大なインデル（INDEL）を処理する再チェイン化アルゴリズム、および大規模な構造的変異に対する過剰ペナルティを軽減する対数的ギャップスコア関数を導入し、顕著に向上したマッピング精度とSV検出感度を達成した。

ABSTRACT

Summary: We present several recent improvements to minimap2, a versatile pairwise aligner for nucleotide sequences. Now minimap2 v2.22 can more accurately map long reads to highly repetitive regions and align through insertions or deletions up to 100kb by default, addressing major weakness in minimap2 v2.18 or earlier. Availability and implementation: https://github.com/lh3/minimap2

研究の動機と目的

• minimap2 v2.18以前のバージョンで、反復的領域および構造的変異においてマッピング精度が著しく低い問題を解決すること。
• アフィンギャップスコアモデルにおける長大な挿入・欠失（INDEL）に対する過剰ペナルティが原因で生じる誤マッピングの問題を解消すること。
• 可変数反復相同配列（VNTR）周辺の長大なINDELおよび重複する短いチェインの存在下でも、チェインの強靭性を高めること。
• 特異性を損なわず、構造的変異（SV）の検出感度を向上させること。

提案手法

• 高頻度k-mersを効率的に回復するための新しいヒューリスティック：隣接する低頻度k-mersが500 bp以上離れている区間内で、最小の出現回数を持つミニマライザーを選択。効率性のため二分ヒープを用いる。
• ハイブリッドチェイン戦略が従来の長大結合（long-join）ヒューリスティックに置き換えられる：まず500 bpのバンド内で動的計画法（DP）を用いてチェインを構築し、その後minigraphから取り入れた部分的2次関数アルゴリズムを用いて再チェインし、重複を解消し長大INDELを通過する。
• 従来のアフィンギャップペナルティを置き換える新しいスコア関数：S = M − (N + G)/(2d) − Σ log₂(1 + gᵢ)，ここで d = max{(N+G)/(M+N+G), 0.02} であり、長大INDELに対しては穏やかなペナルティを与える。
• minimap2にminigraphから抽出した部分的2次関数再チェインアルゴリズムを統合し、コンティグからリファレンスへのアラインメントにおける耐障害性を向上。
• 新しいスコア関数はアラインメント長に対して線形であり、計算コストの増加は無視できる程度。
• これらの改善は後方互換性を保ち、minimap2の高速性を維持しており、アラインメント時間は数パーセント程度の増加にとどまる。

実験結果

リサーチクエスチョン

• RQ1 低頻度のシードが不足する反復的領域において、高頻度k-mersを効果的に回復させることでマッピング精度が向上するか？
• RQ2 部分的2次関数再チェインアルゴリズムは、長大INDELおよびVNTR周辺の重複する短いチェインを処理する際、従来のlong-joinヒューリスティックを上回る性能を示すか？
• RQ3 対数的ギャップスコア関数により、大規模な構造的変異に対する過剰ペナルティが軽減され、SV検出精度が向上するか？
• RQ4 これらの新戦略は、minimap2 v2.18およびWinnowmap2と比較して、どの程度マッピング精度とSV感度を向上させるか？

主な発見

• minimap2 v2.22は、シミュレートされたNanoporeリードの97.9%をマッピング品質10以上でマッピングした。これはv2.18の97.6%を上回り、Winnowmap2の99.0%と同等であった。
• マッピングエラー率はv2.22で52 phredQ（52%のエラー率）に低下した。v2.18は52、Winnowmap2は38であったため、精度が向上したことが示された。
• シミュレートデータ上でのSV検出において、v2.22は偽陰性率0.5%、偽陽性率0.0%を達成し、Winnowmap2と同等であり、v2.18の2.0%および0.1%を著しく上回った。
• 実際の長大INDEL（>1 kb）に対して、v2.22は同等の特異性の下で感度が高く（偽陰性率7.3%）、v2.18（20.0%）を上回り、より良好なアラインメント連続性を示した。
• 新しいスコア関数により、長大INDELに対する過剰ペナルティが軽減され、minimap2はデフォルトのSniffles閾値（Q20）で見逃されたSVをよりよく検出できるようになった。v2.22は、5つのうち4つの見逃されたSVに対して、Winnowmap2よりも多くのバリアントリードを検出できた。
• より複雑なアルゴリズムを統合しても、v2.22はv2.18と同等の実行時間を維持し、Winnowmap2と比較して一貫して2〜3倍速く、効率性の向上が確認された。