[논문 리뷰] Assembling sequences of DNA using an on-line algorithm based on DeBruijn graphs

Juan Manuel Ciro Restrepo, Andrés Felipe Zapata Palacio외 1명|arXiv (Cornell University)|2017. 05. 15.

DNA and Biological Computing참고 문헌 1인용 수 14

한 줄 요약

이 논문은 수신되는 읽기 데이터를 동적으로 통합함으로써 메모리 사용을 최소화하면서도 목표 유전자 서열을 효율적으로 재구성할 수 있도록 De Bruijn 그래프를 사용하는 온라인 알고리즘을 제안한다. 이 방법은 사용자가 정의한 유전자 길이에 필요한 최소한의 읽기만을 사용하여 정확한 서열 재구성을 달성하며, 모든 읽기 데이터를 사전에 알고 있지 않아도 되는 스케일러블하고 실시간 처리가 가능한 NP-완전 문제 해결 방법을 제공한다.

ABSTRACT

The problem of assembling DNA fragments starting from imperfect strings given by a sequencer, classified as NP hard when trying to get perfect answers, has a huge importance in several fields, because of its relation with the possibility of detecting similarities between animals, dangerous pests in crops, and so on. Some of the algorithms and data structures that have been created to solve this problem are Needleman Wunsch algorithm, DeBruijn graphs and greedy algorithms working on overlaps graphs; these try to work out the problem from different approaches that give place to certain advantages and disadvantages to be discussed. In this article we first expose a summary of the research done on already created solutions for the DNA assembly problem, to present later an on-line solution to the same matter, which, despite not considering mutations, would have the capacity of using only the necessary amount of readings to assemble an user specified amount of genes.

연구 동기 및 목표

• 시퀀서에서 생성하는 노이즈가 많은 짧은 읽기 데이터로부터 DNA 서열을 재구성하는 데 발생하는 계산적 과제를 해결하기 위해.
• 배치 입력이 필요로 하지 않고 읽기를 점진적으로 처리하는 확장 가능한 온라인 알고리즘을 개발하기 위해.
• 지정된 유전자 수를 재구성하기 위해 필요한 읽기 자료만 사용하여 메모리 오버헤드를 줄이기 위해.
• 오버랩 그래프나 그레디 메서드 기반의 전통적인 배치 알고리즘에 대한 실용적인 대안을 제공하기 위해.

제안 방법

• 알고리즘은 각 새로운 DNA 읽기가 실시간으로 처리될 때마다 De Bruijn 그래프를 점진적으로 구축한다.
• 각 읽기의 k-mer 분해를 통해 De Bruijn 그래프의 간선을 생성하며, k 값은 특이성과 커버리지 사이의 균형을 고려하여 선택된다.
• 각 도착하는 읽기로 인해 그래프가 동적으로 업데이트되어 경로 일관성 검사를 통해 실시간으로 시퀀싱 오류를 수정할 수 있다.
• 사용자가 지정한 유전자 수가 재구성되면 알고리즘이 종료되어 불필요한 읽기 데이터의 처리를 피할 수 있다.
• 그래프에서 공통 서열을 재구성하기 위해 위상 정렬과 에일러리안 경로 탐지를 활용한다.
• 모든 읽기를 메모리에 저장하는 대신, 점진적인 그래프 구축과 낮은 커버리지 또는 일관성 없는 경로의 정리에 의존한다.

실험 결과

연구 질문

• RQ1 De Bruijn 그래프 기반의 온라인 알고리즘이 읽기를 순차적으로 처리함으로써 최소한의 메모리 사용으로 정확한 DNA 서열 재구성을 달성할 수 있는가?
• RQ2 이 온라인 방법의 성능은 정확도와 자원 효율성 측면에서 전통적인 배치 알고리즘과 비교해 어떻게 되는가?
• RQ3 필요한 유전자 길이가 재구성되면 즉시 정지함으로써 알고리즘이 얼마나 메모리 사용을 줄일 수 있는가?
• RQ4 완전한 읽기 세트가 누락된 상황에서도 De Bruijn 그래프의 점진적 구축이 충분한 정확도를 유지할 수 있는가?

주요 결과

• 사용자가 지정한 유전자 길이에 도달하기 위해 필요한 최소한의 읽기만을 사용하여 알고리즘이 목표 DNA 서열을 성공적으로 재구성한다.
• 읽기를 실시간으로 처리함으로써, 모든 읽기를 저장해야 하는 배치 방식에 비해 메모리 소비를 크게 줄일 수 있다.
• 점진적인 그래프 구축을 통해 경로 일관성 검사를 통해 실시간으로 시퀀싱 오류를 탐지하고 수정할 수 있다.
• 모델링 결과를 통해 돌연변이를 고려하지 않아도 되는 상황에서도 높은 재구성 정확도를 유지함을 입증하였다.
• 과도한 데이터의 중복 처리를 방지함으로써 읽기 활용도 측면에서 거의 최적에 가까운 성능을 달성한다.
• 스트리밍 환경에서 지속적으로 데이터가 유입되는 실시간 시퀀싱 파이프라인과 같은 환경에 적합하며 확장성이 뛰어나다.