[논문 리뷰] Dynamic read mapping and online consensus calling for better variant detection

Karel Břinda, Valentina Boeva외 1명|arXiv (Cornell University)|2016. 05. 29.

Genomics and Phylogenetic Studies참고 문헌 55인용 수 8

한 줄 요약

이 논문은 정렬된 리드를 기반으로 참조 서열을 반복적으로 업데이트하는 동적 리드 매핑 방법을 제안하여 변이 검출 정확도를 향상시킨다. 온라인 공통서열 호출기(Ococo)를 통합하고 동적 매핑 시나리오를 시뮬레이션함으로써, 이 방법은 계산적으로 비용이 많이 드는 반복적 參照 기반 매핑에 가까운 정확도를 달성하며, 특히 고도로 돌연변이가 발생한 영역이나 비모델 종에서 정적 매핑보다 뛰어난 성능을 보인다.

ABSTRACT

Variant detection from high-throughput sequencing data is an essential step in identification of alleles involved in complex diseases and cancer. To deal with these massive data, elaborated sequence analysis pipelines are employed. A core component of such pipelines is a read mapping module whose accuracy strongly affects the quality of resulting variant calls. We propose a dynamic read mapping approach that significantly improves read alignment accuracy. The general idea of dynamic mapping is to continuously update the reference sequence on the basis of previously computed read alignments. Even though this concept already appeared in the literature, we believe that our work provides the first comprehensive analysis of this approach. To evaluate the benefit of dynamic mapping, we developed a software pipeline (http://github.com/karel-brinda/dymas) that mimics different dynamic mapping scenarios. The pipeline was applied to compare dynamic mapping with the conventional static mapping and, on the other hand, with the so-called iterative referencing - a computationally expensive procedure computing an optimal modification of the reference that maximizes the overall quality of all alignments. We conclude that in all alternatives, dynamic mapping results in a much better accuracy than static mapping, approaching the accuracy of iterative referencing. To correct the reference sequence in the course of dynamic mapping, we developed an online consensus caller named OCOCO (http://github.com/karel-brinda/ococo). OCOCO is the first consensus caller capable to process input reads in the online fashion. Finally, we provide conclusions about the feasibility of dynamic mapping and discuss main obstacles that have to be overcome to implement it. We also review a wide range of possible applications of dynamic mapping with a special emphasis on variant detection.

연구 동기 및 목표

• 고속 시퀀싱에서 참조 서열을 정렬 중에 동적으로 업데이트하여 리드 정렬 정확도를 향상시키기 위해.
• 높은 유전자 이탈이 발생하는 게놈이나 높은 돌연변이율을 가지는 복잡한 영역에서 정적 參照 매핑의 한계를 해결하기 위해.
• 읽기를 순차적으로 처리할 수 있는 새로운 온라인 공통서열 호출기(Ococo)를 개발하여 參照 업데이트를 이끌어내기 위해.
• 동적 매핑을 정적 매핑 및 반복적 參照 기반 매핑과 비교하여 타당성과 성능 트레이드오프를 평가하기 위해.
• 동적 매핑의 실용적 응용을 변이 콜링, 양성 돌연변이 탐지 및 실시간 시퀀싱 워크플로우에서 탐색하기 위해.

제안 방법

• 저자들은 이미 정렬된 리드의 공통서열을 기반으로 참조 서열을 지속적으로 업데이트하는 방식으로 동적 매핑을 구현하였으며, 이 과정에서 오류를 구분할 수 있는 온라인 공통서열 호출기를 사용하여 참조 업데이트를 이끌었다.
• 저자들은 동적 매핑 시나리오를 시뮬레이션하기 위한 파이프라인(dymas)을 개발하여 정적 매핑 및 반복적 參조 기반 매핑과 비교하였다.
• Ococo는 첫 번째 온라인 공통서열 호출기로서 실시간으로 읽기를 처리하고, 기저 빈도를 계산하며, 실시간으로 변이(단일 염기 치환만)를 호출하여 參조 업데이트를 이끌어내었다.
• 이 방법은 독립적인 전략을 사용하여 참조 업데이트 시점을 결정하며, 이는 리드 지지도 기준과 오류 모델링에 기반한다.
• 동적 k-mer 인덱스(SkipPatch)는 참조 업데이트 중 효율적인 참조 업데이트를 지원하는 핵심 구성 요소로 활용되었다.
• 이 방법은 기존의 매핑 도구인 BWA-MEM 및 Bowtie2와 호환 가능한 모듈식 아키텍처를 설계하여, 선형화된 참조를 점진적으로 개선하는 방식으로 작동한다.

실험 결과

연구 질문

• RQ1 리드 매핑 중에 參조를 동적으로 업데이트하는 것이 정적 參조 매핑에 비해 정렬 정확도를 크게 향상시키는가?
• RQ2 변이 검출 정확도 측면에서 동적 매핑 성능은 금세기 반복적 參조 기반 매핑 접근법과 어떻게 비교되는가?
• RQ3 완전히 동적 매핑기를 구현할 때의 계산 및 알고리즘적 과제는 무엇인가? 특히 인덱스 유지 및 업데이트 빈도 측면에서.
• RQ4 Ococo와 같은 온라인 공통서열 호출기는 스트리밍 리드 환경에서 참조 변이를 시퀀싱 오류와 효과적으로 구분할 수 있는가?
• RQ5 어떤 생물학적 맥락(예: 고도로 돌연변이가 발생한 영역, 비모델 종)에서 동적 매핑이 가장 큰 이점을 제공하는가?

주요 결과

• 동적 매핑은 고유전자 이탈이나 복잡한 변이가 많은 영역에서 정적 매핑에 비해 정렬 정확도를 크게 향상시킨다.
• 재정렬 기능이 있는 동적 매핑은 반복적 參조 기반 매핑에 가까운 정확도를 달성하며, 이는 거의 최적의 정렬 품질을 의미한다.
• 재정렬이 없는 경우에도 동적 매핑은 여전히 정적 매핑를 능가하지만, 정확도가 다소 떨어지므로 반복적 정밀 조정의 중요성을 보여준다.
• Ococo는 읽기를 순차적으로 처리하고 실시간으로 치환 변이를 호출할 수 있는 첫 번째 온라인 공통서열 호출기로서, 동적 參조 업데이트를 가능하게 한다.
• 이 연구는 동적 매핑이 원칙적으로 실현 가능하다는 것을 보여주지만, 알고리즘적 복잡성과 성능 오버헤드로 인해 실질적 구현은 여전히 도전 과제이다.
• 저자들은 재색인화가 너무 비용이 많이 드는 경우—예를 들어 큰 또는 복잡한 參조—에서 동적 매핑이 가장 유용하다고 결론 내리며, 이는 실시간 또는 자원 제약이 있는 응용 분야에 적합하다고 평가한다.