[논문 리뷰] Fundamental Bounds and Approaches to Sequence Reconstruction from Nanopore Sequencers

Jarek Duda, Wojciech Szpankowski외 1명|arXiv (Cornell University)|2016. 01. 11.

Nanopore and Nanochannel Transport Studies참고 문헌 9인용 수 4

한 줄 요약

이 논문은 나노포어 시퀀서에서의 시퀀스 복원에 대한 정보이론적 분석을 제시하며, 삽입-삭제 오류와 치환 오류를 별도로 모델링한 스틱키 삽입-삭제 채널로 간주한다. 복원 가능한 시퀀스 길이의 기본 한계를 도출하고, 복제된 외출(extrusion)이 로그 수준의 복제 수로 유일한 복원을 가능하게 하여 고오류율에도 불구하고 장독성 시퀀싱의 실현 가능성을 보여준다.

ABSTRACT

Nanopore sequencers are emerging as promising new platforms for high-throughput sequencing. As with other technologies, sequencer errors pose a major challenge for their effective use. In this paper, we present a novel information theoretic analysis of the impact of insertion-deletion (indel) errors in nanopore sequencers. In particular, we consider the following problems: (i) for given indel error characteristics and rate, what is the probability of accurate reconstruction as a function of sequence length; (ii) what is the number of `typical' sequences within the distortion bound induced by indel errors; (iii) using replicated extrusion (the process of passing a DNA strand through the nanopore), what is the number of replicas needed to reduce the distortion bound so that only one typical sequence exists within the distortion bound. Our results provide a number of important insights: (i) the maximum length of a sequence that can be accurately reconstructed in the presence of indel and substitution errors is relatively small; (ii) the number of typical sequences within the distortion bound is large; and (iii) replicated extrusion is an effective technique for unique reconstruction. In particular, we show that the number of replicas is a slow function (logarithmic) of sequence length -- implying that through replicated extrusion, we can sequence large reads using nanopore sequencers. Our model considers indel and substitution errors separately. In this sense, it can be viewed as providing (tight) bounds on reconstruction lengths and repetitions for accurate reconstruction when the two error modes are considered in a single model.

연구 동기 및 목표

• 실제 오류 모델을 고려한 나노포어 시퀀서에서의 시퀀스 복원에 대한 기본 한계를 분석하기 위해.
• 삽입-삭제 및 치환 오류율이 주어졌을 때 정확히 복원 가능한 최대 시퀀스 길이를 결정하기 위해.
• 왜곡 한계 내에서 유일한 복원을 달성하기 위해 필요한 복제된 외출의 수를 정량화하기 위해.
• 넓은 범위의 오류 모델에 대해 강건한 이론적 한계를 수립하여 오류에 강건한 시퀀싱의 기초를 마련하기 위해.

제안 방법

• 삽입-삭제 및 치환 오류를 별도로 반영하기 위해 나노포어 시퀀서를 스틱키 삽입-삭제 채널로 모델링하기 위해.
• 정보이론을 사용하여 시퀀스 길이와 오류율에 따라 정확한 복원 확률의 한계를 유도하기 위해.
• 기본 시퀀스와 오류가 있는 읽기 사이의 구분 가능성을 정량화하기 위해 칼리브-라이블러 발산을 적용하기 위해.
• 오류에 의해 유도된 왜곡 한계 내의 일반적인 시퀀스 수를 분석하여 복원의 모호성 정도를 평가하기 위해.
• 유일한 복원을 위해 왜곡 한계를 단일 일반 시퀀스로 줄이기 위해 필요한 복제 수를 유도하기 위해.
• 실제 나노포어 데이터(예: Jain 등)로부터의 경험적 오류 분포를 사용하여 모델의 매개변수를 설정하고 분석적 한계를 검증하기 위해.

실험 결과

연구 질문

• RQ1 나노포어 시퀀서에서 알려진 삽입-삭제 및 치환 오류율이 주어졌을 때 정확히 복원 가능한 최대 시퀀스 길이는 얼마인가요?
• RQ2 삽입-삭제 및 치환 오류에 의해 유도된 왜곡 한계 내에 존재하는 일반적인 시퀀스의 수는 몇 개인가요?
• RQ3 왜곡 한계 내에 오직 하나의 일반 시퀀스만 존재하도록 보장하기 위해 필요한 복제된 외출의 수는 얼마인가요? 이는 유일한 복원을 가능하게 합니다.
• RQ4 주어진 오류 모델 하에서 복제 수가 시퀀스 길이에 따라 어떻게 증가하는가요?
• RQ5 유도된 한계가 기존 나노포어 시퀀싱 연구의 경험적 결과와 어떻게 비교되는가요?

주요 결과

• 삽입-삭제 및 치환 오류가 존재하는 상황에서 정확히 복원 가능한 최대 시퀀스 길이는 높은 오류율으로 인해 상대적으로 작다.
• 오류에 의해 유도된 왜곡 한계 내에 존재하는 일반 시퀀스의 수는 매우 많아, 복제 없이 복원의 모호성이 심각하다는 것을 시사한다.
• 복제된 외출은 유일한 복원을 달성하는 데 효과적인 기법이며, 왜곡 한계를 단일 일반 시퀀스로 줄여준다.
• 유일한 복원을 위해 필요한 복제 수는 시퀀스 길이에 대해 로그 수준으로 증가하므로, 장독성 시퀀싱이 실현 가능하다.
• 치환 오류 전용의 경우, 유일한 복원을 위한 필요 독성 수는 약 ln(n)/2.89 비율로 증가한다.
• 모델은 복합 오류 모델에 대해 날카운 하한을 제공한다. 삽입-삭제 및 치환 오류를 별도로 다루기 때문에 보수적이지만 분석적으로 엄밀한 성능 범위를 제공한다.