[論文レビュー] Ococo: an online consensus caller

Karel Břinda, Valentina Boeva+1 more|arXiv (Cornell University)|Dec 4, 2017

Genomics and Phylogenetic Studies被引用数 6

ひとこと要約

OCOCOは、未ソートのリードアラインメントがストリーミングされるのと同時に動的に単一ヌクレオチド変異（SNV）を推定する最初のオンラインコンSENSUSコールャーであり、ゲノム統計を格納するコンパクトな数ビットのカウンタを用い、未ソートVCFを介してリアルタイムで更新を報告する。これにより、事前のソートや全ゲノムマッピングを必要とせず、高速でメモリ効率の良いバリアントコールが可能となり、ストリーミングまたはリソース制限のある環境に最適である。

ABSTRACT

Motivation: The usual approach to variant calling from NGS data consists in inferring single nucleotide variants (SNVs) or more complex differences from read alignments. Consequently, variant calling is performed after all reads have been mapped to a reference genome and all read alignments are available. Existing variant callers usually operate by first sorting the alignments in increasing order of positions, and then sliding a small window through the genome and processing information collected within individual windows (read alignments, mapping qualities, base qualities). However, this approach is highly time- and space-demanding and all alignments must be available prior to variant calling. Results: We present OCOCO, the first online consensus caller, capable to infer SNVs dynamically as read alignments are fed in. OCOCO inputs unsorted alignments from an unsorted SAM/BAM stream and decides about single-nucleotide updates of the current genomic consensus using statistics stored in compact several-bits counters. Updates are reported in the online fashion using unsorted VCF. OCOCO provides a fast and memory-efficient alternative to the usual variant calling, particularly advantageous when reads are sequenced or mapped progressively, or when available computational resources are at a premium. Availability and implementation: OCOCO is available from this http URL brinda/ococo.

研究の動機と目的

• すべてのアラインメントを事前にソート・保存してから処理する必要がある従来のバリアントコールャーの非効率性を解消すること。
• アラインメントのストリーミング処理中にリアルタイムでバリアントコールを実行し、時間的・メモリ的オーバーヘッドを低減すること。
• 計算リソースが限られた環境や段階的なデータインジェストが行われる環境におけるスケーラブルなバリアントコールのソリューションを提供すること。
• バッチ処理に comparable な精度を維持しつつ、オンラインで段階的に処理を行うこと。

提案手法

• OCOCOは、事前のソートを必要とせず、ストリーミング形式で未ソートのSAM/BAMアラインメントを処理する。
• ゲノム位置ごとにコンパクトな数ビットのカウンタを維持し、アラインメント統計（例：塩基頻度、マッピング品質）を要約する。
• 新しいアラインメントが到着するたびに、統計的閾値を用いてコンセンサス配列を動的に更新する。
• バリアントの更新は、入力ストリームの順序を保ったまま、未ソートVCF形式で即座に報告する。
• アルゴリズムはスライディングウィンドウに類似した論理を用いるが、インクリメンタルに動作し、全ゲノムスキャンを回避する。
• 軽量なデータ構造を用いることでメモリ使用量を最小限に抑え、大規模またはストリーミングデータセットにおけるスケーラビリティを実現する。

実験結果

リサーチクエスチョン

• RQ1 アラインメントがストリーミングされるのと同時に、全アラインメントのソートや保存を必要とせずに、段階的かつリアルタイムにバリアントコールが可能か？
• RQ2 オンラインコンセンサスコールャーのパフォーマンスと正確性は、従来のバッチコールャーと比較して、メモリ使用量と速度の面でどのように異なるか？
• RQ3 コンパクトなカウンタがゲノム統計を表すことで、オンライン環境における正確なSNV検出に十分な分解能を維持できるか？
• RQ4 未ソートのアラインメントを処理することによるバリアントコールの正確性と効率への影響は何か？
• RQ5 正しく保たれたまま、未ソートVCF出力を用いてリアルタイムでバリアントコールを報告することは可能か？

主な発見

• OCOCOは、完全なアラインメントデータを保存する代わりにコンパクトなカウンタを用いることで、最小限のメモリ使用量でリアルタイムSNV検出を実現する。
• 従来のバッチバリアントコールャーと比較して、顕著な高速化とメモリ消費量の削減を達成する。
• OCOCOは、未ソートでストリーミングされるアラインメントを処理しても、標準のコールャーと同等の高い正確性を維持する。
• オンラインレポートに未ソートVCF出力を用いることは実現可能であり、バリアント検出の信頼性を損なわない。
• 全アラインメントの事前処理が非現実的なストリーミングまたはリソース制限のある環境において、OCOCOは特に効果的である。