[논문 리뷰] featureCounts: an efficient general-purpose read summarization program

Yang Liao, Gordon K. Smyth외 1명|arXiv (Cornell University)|2013. 05. 15.

Genomics and Phylogenetic Studies인용 수 28

한 줄 요약

featureCounts는 RNA-seq 및 전체 게놈 시퀀싱 데이터에서 유전자 및 엑손과 같은 게놈 기능에 매핑되는 리드를 세는 데 전용으로 설계된 매우 효율적인 리드 요약 도구입니다. 염색체 해싱과 기능 블로킹을 사용하여 기존 도구에 비해 최대 10배 빠른 속도 향상과 메모리 사용 감소를 달성하며, 단일 및 쌍방향 리드를 모두 지원하고 다양한 설정 옵션을 제공합니다.

ABSTRACT

Next-generation sequencing technologies generate millions of short sequence reads, which are usually aligned to a reference genome. In many applications, the key information required for downstream analysis is the number of reads mapping to each genomic feature, for example to each exon or each gene. The process of counting reads is called read summarization. Read summarization is required for a great variety of genomic analyses but has so far received relatively little attention in the literature. We present featureCounts, a read summarization program suitable for counting reads generated from either RNA or genomic DNA sequencing experiments. featureCounts implements highly efficient chromosome hashing and feature blocking techniques. It is considerably faster than existing methods (by an order of magnitude for gene-level summarization) and requires far less computer memory. It works with either single or paired-end reads and provides a wide range of options appropriate for different sequencing applications. featureCounts is available under GNU General Public License as part of the Subread (this http URL) or Rsubread (this http URL) software packages.

연구 동기 및 목표

• 다운스트림 분석에서 핵심적인 역할을 하면서도 읽기 요약에 대한 관심이 부족한 문제를 해결하기 위해.
• 유전자 및 엑손과 같은 게놈 기능에 매핑된 리드를 세는 데 더 빠르고 메모리 효율적인 방법을 개발하기 위해.
• 단일 및 쌍방향 리드를 위한 융통성 있는 옵션을 제공하여 다양한 시퀀싱 응용 분야를 지원하기 위해.
• 최적화된 데이터 구조와 알고리즘을 통해 대규모 게놈 데이터셋에 대한 확장성과 성능을 향상시키기 위해.

제안 방법

• 게놈 기능에 대한 리드 정렬을 빠르게 검색하기 위해 염색체 해싱을 구현하기 위해.
• 게놈을 관리하기 쉬운 블록으로 분할하여 계산 오버헤드를 줄이기 위해 기능 블로킹을 사용하기 위해.
• 현대 다코어 프로세서를 활용하여 병렬 처리를 가능하게 하기 위해 다중 스레드 아키텍처를 설계하기 위해.
• 단일 및 쌍방향 시퀀싱 리드를 모두 지원하며, 설정 가능한 정렬 필터링 기능을 통합하기 위해.
• 캐시 미스를 최소화하고 CPU 효율을 향상시키기 위해 메모리 액세스 패턴을 최적화하기 위해.
• 감도, 정렬 필터링, 출력 형식에 대한 설정 가능한 파rameter를 통합하여 다양한 실험 설계에 적합하기 위해.

실험 결과

연구 질문

• RQ1 기존 방법에 비해 속도와 메모리 사용 측면에서 뚜렷한 성능 향상을 달성할 수 있는 읽기 요약 도구는 가능한가?
• RQ2 염색체 해싱과 기능 블로킹은 대규모 시퀀싱 데이터에서 리드-기능 할당의 효율성에 어떻게 영향을 미치는가?
• RQ3 featureCounts는 다양한 시퀀싱 깊이와 기능 유형(예: 유전자, 엑손)에 대해 어느 정도 확장 가능한가?
• RQ4 계산 오버헤드를 줄이면서도 정확성과 융통성은 유지되는가?

주요 결과

• featureCounts는 기존 도구에 비해 유전자 수준의 리드 요약에서 최대 10배의 속도 향상을 달성합니다.
• 이전 방법에 비해 컴퓨터 메모리 사용이 크게 줄어들어 표준 하드웨어에서도 효율적인 처리가 가능합니다.
• 염색체 해싱과 기능 블로킹 기법은 리드 수를 세는 동안 입출력 및 계산 병목 현상을 크게 줄입니다.
• 다양한 시퀀싱 응용 분야에 적합한 높은 설정 가능성을 갖춘 단일 및 쌍방향 리드를 모두 지원합니다.
• 다양한 게놈 기능 유형과 시퀀싱 깊이에서 높은 정확성과 일관성을 유지합니다.