[논문 리뷰] EndHiC: assemble large contigs into chromosomal-level scaffolds using the Hi-C links from contig ends

Sen Wang, Hengchao Wang외 8명|arXiv (Cornell University)|2021. 11. 30.

Chromosomal and Genetic Variations참고 문헌 4인용 수 4

한 줄 요약

EndHiC는 큰 컨티그(>1 Mb)의 염색체 수준 정렬을 향상시키기 위해 컨티그 끝부분에서만 Hi-C 접촉 링크를 활용하는 새로운 스크래핑 도구이다. 이는 신호 대 잡음 비율을 크게 향상시켜 정확도를 높이고, LACHESIS, ALLHiC, 3D-DNA와 비교해 더 빠른 실행 시간(10–1000배 빠름), 낮은 메모리 사용량, 사용자 우호적인 시각화 기능을 제공함으로써 수동 코어렉션에 대한 의존도를 줄인다.

ABSTRACT

Motivation: The application of PacBio HiFi and ultra-long ONT reads have achieved huge progress in the contig-level assembly, but it is still challenging to assemble large contigs into chromosomes with available Hi-C scaffolding software, which all compute the contact value between contigs using the Hi-C links from the whole contig regions. As the Hi-C links of two adjacent contigs concentrate only at the neighbor ends of the contigs, larger contig size will reduce the power to differentiate adjacent (signal) and non-adjacent (noise) contig linkages, leading to a higher rate of mis-assembly. Results: We present a software package EndHiC, which is suitable to assemble large contigs (> 1-Mb) into chromosomal-level scaffolds, using Hi-C links from only the contig end regions instead of the whole contig regions. Benefiting from the increased signal to noise ratio, EndHiC achieves much higher scaffolding accuracy compared to existing software LACHESIS, ALLHiC, and 3D-DNA. Moreover, EndHiC has few parameters, runs 10-1000 times faster than existing software, needs trivial memory, provides robustness evaluation, and allows graphic viewing of the scaffold results. The high scaffolding accuracy and user-friendly interface of EndHiC, liberate the users from labor-intensive manual checks and revision works. Availability and implementation: EndHiC is written in Perl, and is freely available at https://github.com/fanagislab/EndHiC. Contact: [e-mail] and [e-mail] Supplementary information: Supplementary data are available at Bioinformatics online.

연구 동기 및 목표

• 전체 컨티그에 대한 Hi-C 링크 분석에서 낮은 신호 대 잡음 비율로 인한 큰 컨티그 스크래핑의 잘못된 정렬 문제를 해결하기 위해.
• 오직 끝부분 영역의 Hi-C 데이터만을 사용하여 1 Mb 이상의 큰 컨티그에 대한 염색체 수준의 정확도를 향상시키기 위해.
• 기존 Hi-C 스크래핑 도구와 비교해 계산 시간과 메모리 사용량을 줄이기 위해.
• 내장된 강건성 평가 및 시각화 기능을 갖춘 파rameter가 적은 사용자 우호적인 도구를 제공하여 스크래핑 결과를 쉽게 평가하기 위해.

제안 방법

• EndHiC는 컨티그의 끝부분 영역에서만 Hi-C 접촉 링크를 추출하여 전체 컨티그 상호작용이 아닌 끝-끝 간 상호작용에 집중한다.
• 끝부분 전용 접촉 빈도를 기반으로 인접 가능성 확률을 모델링하여 정확한 연결 예측을 위한 높은 신호 대 잡음 비율을 확보한다.
• 복잡한 반복 최적화를 피하는 단순한 파rameter 없는 알고리즘을 사용하여 빠른 실행을 가능하게 한다.
• 스크래핑 신뢰도 평가 모듈을 통합하여 결과의 강건성을 평가하고, 스크래핑 구조의 상호작용 시각화를 지원한다.
• Perl로 구현되어 무료로 제공되며, 낮은 메모리 사용량과 높은 계산 효율성을 확보한다.
• 표준 게놈 정렬 파이프라인과의 호환성을 지원하며, 직접적으로 염색체 수준의 스크래핑 결과를 출력한다.

실험 결과

연구 질문

• RQ1 전체 컨티그 링크 분석과 비교해 컨티그 끝부분에서의 Hi-C 링크에 집중함으로써 큰 컨티그의 염색체 수준 스크래핑 정확도가 향상되는가?
• RQ2 EndHiC의 끝부분 전용 접근 방식이 LACHESIS, ALLHiC, 3D-DNA와 같은 기존 도구와 비교해 성능과 정확도에서 어떻게 다른가?
• RQ3 끝부분 데이터만을 사용함으로써 계산 시간과 메모리 사용량은 얼마나 줄어들며, 스크래핑 품질은 유지되거나 향상되는가?
• RQ4 파rameter가 적고 빠르며 사용자 친화적인 스크래퍼는 염색체 정렬 파이프라인에서 수동 코어렉션의 필요성을 얼마나 줄일 수 있는가?

주요 결과

• EndHiC는 끝부분 전용 Hi-C 신호를 활용함으로써 LACHESIS, ALLHiC, 3D-DNA보다 훨씬 높은 스크래핑 정확도를 달성한다.
• 기존 도구보다 10배에서 1000배 빠른 속도로 실행되며, 메모리 요구량이 극히 낮다.
• 끝부분 링크에 집중함으로써 신호 대 잡음 비율이 향상되어 잘못된 정렬 비율이 감소한다.
• EndHiC는 내장된 강건성 평가 및 그래픽 시각화 기능을 제공하여 스크래핑 품질을 직관적으로 평가할 수 있다.
• 적은 파라미터로 작동하며, 스크래핑 결과의 수동 수정이 필요 없어진다.
• EndHiC는 오픈소스 소프트웨어로서 Perl로 구현되어 무료로 제공되며, 광범위한 접근성과 게놈 정렬 워크플로우에의 통합을 지원한다.