[논문 리뷰] Accurate, Fast and Lightweight Clustering of de novo Transcriptomes using Fragment Equivalence Classes

Avi Srivastava, Hirak Sarkar외 2명|arXiv (Cornell University)|2016. 04. 12.

Genomics and Phylogenetic Studies참고 문헌 30인용 수 6

한 줄 요약

RapClust는 준지도 매핑을 통해 유도된 조각 등가 클래스를 사용하여 de novo 전사체 조립을 신속하고 가볍게, 정확하게 군집화하는 방법이다. 다중 매핑 독 관계를 활용해 희박한 모호성 그래프를 구축하고 MCL 군집화를 적용함으로써, 최소한의 메모리 사용으로 몇 분 내에 뛰어난 군집 정확도와 발현 정량을 달성한다. 이는 기존 도구들보다 속도, 정확도, 자원 효율성 면에서 뛰어나다.

ABSTRACT

Motivation: De novo transcriptome assembly of non-model organisms is the first major step for many RNA-seq analysis tasks. Current methods for de novo assembly often report a large number of contiguous sequences (contigs), which may be fractured and incomplete sequences instead of full-length transcripts. Dealing with a large number of such contigs can slow and complicate downstream analysis. Results :We present a method for clustering contigs from de novo transcriptome assemblies based upon the relationships exposed by multi-mapping sequencing fragments. Specifically, we cast the problem of clustering contigs as one of clustering a sparse graph that is induced by equivalence classes of fragments that map to subsets of the transcriptome. Leveraging recent developments in efficient read mapping and transcript quantification, we have developed RapClust, a tool implementing this approach that is capable of accurately clustering most large de novo transcriptomes in a matter of minutes, while simultaneously providing accurate estimates of expression for the resulting clusters. We compare RapClust against a number of tools commonly used for de novo transcriptome clustering. Using de novo assemblies of organisms for which reference genomes are available, we assess the accuracy of these different methods in terms of the quality of the resulting clusterings, and the concordance of differential expression tests with those based on ground truth clusters. We find that RapClust produces clusters of comparable or better quality than existing state-of-the-art approaches, and does so substantially faster. RapClust also confers a large benefit in terms of space usage, as it produces only succinct intermediate files - usually on the order of a few megabytes - even when processing hundreds of millions of reads.

연구 동기 및 목표

• de novo 전사체 조립에서 조각이 끊어지고 완전하지 못한 contig 문제를 해결하기 위해.
• 유사한 contig를 생물학적으로 의미 있는 그룹으로 군집화하여 차등 발현 분석에서 다중 가설 검정의 부담을 줄이기 위해.
• 대규모 RNA-seq 데이터셋에서도 계산적으로 효율적이고 정확한 군집화 방법을 개발하기 위해.
• 단일이고 통합된 파이프라인에서 contig 군집화와 정확한 전사체 수준 발현 정량을 통합하기 위해.

제안 방법

• RapClust는 준지도 매핑을 사용하여 동일한 전사체 집합에 매핑되는 독들의 집합인 조각 등가 클래스를 식별함으로써, 다중 매핑 관계를 포괄한다.
• 노드가 contig를 나타내고, 간선이 공유되는 조각 등가 클래스를 나타내는 희박한 그래프를 구축하며, 이는 서열 유사성과 매핑 모호성을 코딩한다.
• MCL(Markov Cluster) 알고리즘을 사용하여 그래프를 군집화하여 동일한 유전자 또는 전사체를 나타내는 것으로 추정되는 contig를 그룹화한다.
• 표현 정량은 Sailfish의 준지도 매핑 파이프라인을 통해 수행되며, 군집화와 동시에 정확한 전사체 수준의 번영 추정치를 제공한다.
• 기존의 정량 인fra구조를 활용하여 추가적인 계산 및 저장 오버헤드를 최소화한다.
• 전사체 수, 간선 가중치, 로그 배수 변화 가능성에 대한 컷오프 파rameter를 사용하여 허위 연결을 필터링하며, 초기 값은 Corset에서 유도된 것을 사용한다.

실험 결과

연구 질문

• RQ1 준지도 매핑된 독들로부터 유도된 조각 등가 클래스를 사용하여 de novo로 조립된 contig를 생물학적으로 의미 있는 그룹으로 정확하게 군집화할 수 있는가?
• RQ2 CD-HIT 및 Corset과 같은 최첨단 도구들과 비교할 때 RapClust의 군집 정확도는 진짜로 차등 발현 유전자를 회복하는 데 얼마나 우수한가?
• RQ3 기존의 군집화 방법들과 비교할 때 RapClust는 계산 시간과 메모리 사용을 얼마나 줄였는가?
• RQ4 단일 파이프라인에서 표현 정량과 군집화를 통합함으로써 de novo 전사체 분석의 속도와 정확도를 향상시킬 수 있는가?

주요 결과

• RapClust는 효모에서 AUC 0.89, 인간에서 0.847, 닭에서 0.534를 기록하여 대부분의 경우 CD-HIT 및 Corset을 능가하는 성능을 보였다.
• 닭 데이터셋에서는 높은 서열 유사성에도 불구하고 RapClust가 더 뛰어난 성능(AUC 0.534)을 보였고, CD-HIT(0.463) 및 Corset(0.14)보다 유의미하게 뛰어나 군집 품질이 뛰어나다는 것을 시사한다.
• 수백만 개의 독을 포함하는 조립에서도 RapClust는 몇 분 내에 군집화를 완료했으며, 중간 파일 크기는 일반적으로 수 MB 이내였다.
• 기존 도구들보다 훨씬 더 빠른 처리 시간을 보였고, 군집 정확도는 유지하거나 향상시켰다.
• 조각 등가 클래스를 통한 표현 정량과 군집화의 통합은 다중 검정 부담을 줄이며 정확한 차등 발현 테스트를 가능하게 하였다.
• 초기 결과에 따르면 데이터 적응형 파rameter 선택 및 번영 분산 추정치의 통합이 군집 품질을 더욱 향상시킬 수 있을 것으로 보인다.