[論文レビュー] Sensitive Long-Indel-Aware Alignment of Sequencing Reads

Tobias Marschall, Alexander Sch|arXiv (Cornell University)|Mar 14, 2013

Genomics and Phylogenetic Studies参考文献 33被引用数 6

ひとこと要約

本論文では、グローバルおよびローカルなアンカーシャークを組み合わせ、統計的に妥当なスコアリングモデルを用いることで、50 bp以上の長大なインデルを高感度で検出できる新規のリードアラインナーを提示している。GATK再アラインメント後においても、BWA、Bowtie2、Stampyを上回り、正しいアラインメントエンドポイントの特定を高精度に実現し、誤ったマッピングを最小限に抑える。

ABSTRACT

The tremdendous advances in high-throughput sequencing technologies have made population-scale sequencing as performed in the 1000 Genomes project and the Genome of the Netherlands project possible. Next-generation sequencing has allowed genom-wide discovery of variations beyond single-nucleotide polymorphisms (SNPs), in particular of structural variations (SVs) like deletions, insertions, duplications, translocations, inversions, and even more complex rearrangements. Here, we design a read aligner with special emphasis on the following properties: (1) high sensitivity, i.e. find all (reasonable) alignments; (2) ability to find (long) indels; (3) statistically sound alignment scores; and (4) runtime fast enough to be applied to whole genome data. We compare performance to BWA, bowtie2, stampy and find that our methods is especially advantageous on reads containing larger indels.

研究の動機と目的

• 高スループットシーケンシングデータにおける長大なインデル（50 bp以上）の検出に標準的なアラインナーに見られる限界を是正すること。
• 特に挿入および欠失を含む構造的変異を含むリードのアラインメント感受性と正確性を向上させること。
• グローバルおよびローカルなアンカーシャークを活用することで、長大なインデルを含むすべての妥当なアラインメントを強固に同定する手法を開発すること。
• 誤検出を低減し、マッピング品質推定を向上させる統計的に妥当なアラインメントスコアリングモデルを提供すること。

提案手法

• 本手法は4段階のアプローチを採用する：リードの先頭および末尾部分（M=50）に対するBWAを用いたグローバルアンカーシャーク、およびBWAで同定されたアラインメント付近の領域におけるローカルアンカーシャークにより、追加の潜在的アンカーを同定する。
• 動的計画法を用いて、リードペアとリファレンス領域間の最適アラインメントを計算し、非アフィンギャップコストを含む現実的な誤差モデルを統合する。
• 代替アラインメントの包括的探索を実施することで、関連するアラインメントが見逃されないよう保証し、マッピング品質推定を向上させる。
• 主なアラインメントおよび最も好ましいアラインメントの両方を評価し、結果はアラインメント品質カテゴリごとの累積割合として報告される。
• 全ゲノム解析に十分な効率性を備えつつ、長大なインデルに対する高い感受性を維持するように設計されている。
• アラインメント後処理としてGATKスタイルの再アラインメントを実施し、ツール間での性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 BWA、Bowtie2、Stampyといった標準ツールと比較して、長大なインデル（50 bp以上）の検出感受性を向上させられるリードアラインナーは存在するか？
• RQ2 グローバルおよびローカルなアンカーシャークの組み合わせが、構造的変異の存在下でも正しいアラインメントエンドポイントの検出をどのように向上させるか？
• RQ3 非アフィン的で統計的に妥当なスコアリングモデルは、誤検出アラインメントをどれほど低減させ、マッピング品質を向上させるか？
• RQ4 アラインメント精度をさまざまなインデルサイズおよびタイプで評価した場合、提案手法のアラインナーは既存ツールと比較してどの程度の性能を示すか？
• RQ5 ローカルアンカーリファインメントの導入が、特に中程度または長大なインデルを有するリードの正しいアラインメントの回復に顕著に寄与するか？

主な発見

• 中程度の挿入（21–50 bp）を有するリードにおいて、GATK処理後、新しいアラインナーは最も好ましいアラインメントカテゴリで60.4％のリードが完全に正しいアラインメントを達成した。これはBWA（2.4％）、Bowtie2（0.0％）、Stampy（37.8％）を上回った。
• 長大な欠失（50 bp以上）の場合は、最も好ましいカテゴリで新しいアラインナーが53.1％の完全な正しいアラインメントを達成した。これに対して、Stampyは4.6％、BWAおよびBowtie2は0.0％であった。
• 長大な欠失において、新しいアラインナーは正しいまたはほぼ正しいエンドポイント（1つでも正しいエンドポイントを有する）を有するリードの累積割合が81.6％であった。これはBWA（累積97.9％が誤り）およびBowtie2（累積90.1％が誤り）を著しく上回った。
• GATK再アラインメント後も、新しいアラインナーは長大な欠失に対して81.8％のリードが正しいまたはほぼ正しいアラインメントを達成した。これはStampyの81.6％、Bowtie2の77.5％を上回った。
• 長大な欠失において、GATK処理後、77.5％のリードが少なくとも1つのエンドポイントが正しいと判明した。これはBowtie2の77.1％および新しいアラインナーの77.6％を上回った。
• 長大な欠失において、誤りと分類されるリードの割合は1.0％にまで低下した。これはBWAの1.7％およびBowtie2の1.5％を下回り、信頼性の向上を示した。