[논문 리뷰] MAGNET: Understanding and Improving the Accuracy of Genome Pre-Alignment Filtering

Mohammed Alser, Onur Mutlu외 1명|arXiv (Cornell University)|2017. 01. 01.

Genomics and Phylogenetic Studies참고 문헌 10인용 수 18

한 줄 요약

MAGNET는 시프트 허밍턴 거리(SHD) 방법에서 발생하는 정확도 저하의 네 가지 핵심 원인을 다루어 게놈 시퀀스 매핑 정확도를 크게 향상시키는 새로운 사전 정렬 필터링 전략이다. 다양한 에디트 거리 임계값과 데이터 세트에서 일에서 두 개의 지수 단위 높은 정확도를 달성하며, 필터링 중 임의의 매핑에 대한 거짓 양성 결과를 줄이면서도 높은 속도를 유지한다.

ABSTRACT

In the era of high throughput DNA sequencing (HTS) technologies, calculating the edit distance (i.e., the minimum number of substitutions, insertions, and deletions between a pair of sequences) for billions of genomic sequences is the computational bottleneck in todays read mappers. The shifted Hamming distance (SHD) algorithm proposes a fast filtering strategy that can rapidly filter out invalid mappings that have more edits than allowed. However, SHD shows high inaccuracy in its filtering by admitting invalid mappings to be marked as correct ones. This wastes the execution time and imposes a large computational burden. In this work, we comprehensively investigate four sources that lead to the filtering inaccuracy. We propose MAGNET, a new filtering strategy that maintains high accuracy across different edit distance thresholds and data sets. It significantly improves the accuracy of pre-alignment filtering by one to two orders of magnitude. The MATLAB implementations of MAGNET and SHD are open source and available at: this https URL.

연구 동기 및 목표

• 고속 DNA 시퀀싱에 사용되는 시프트 허밍턴 거리(SHD)와 같은 기존 방법에서의 필터링 정확도 저하의 근본 원인을 규명하고 이를 해결하고자 한다.
• 다양한 에디트 거리 임계값과 다양한 게놈 데이터 세트에서 높은 정확도를 유지하는 새로운 필터링 전략을 개발하고자 한다.
• 사전 정렬 필터링에서 발생하는 거짓 양성 결과로 인한 계산 부담을 줄이고자 하며, 이는 후속 정렬 프로세스에서의 시간 낭비를 방지하기 위함이다.
• 대규모 게놈 분석 파이프라인에 적합한 효율적이고 확장 가능한, 실용적인 고정확도 대안을 제공하고자 한다.

제안 방법

• 사전 정렬 필터링에서 잘못된 매핑을 거짓 양성으로 필터링하는 원인이 되는 시프트 허밍턴 거리(SHD) 알고리즘의 정확도 저하의 네 가지 핵심 원인을 체계적으로 분석한다.
• 계산 효율성을 희생하지 않으면서도 이러한 정확도 저하를 보완하기 위해 개선된 시퀀스 비교 논리를 적용한 보다 정교한 필터링 전략인 MAGNET를 설계한다.
• 위치 및 구조적 불일치를 고려하여 진정한 에디트 거리에 더 가까운 시퀀스 비교 방법을 변형하여 적용한다.
• MAGNET를 사전 정렬 단계에 통합한 필터링 파이프라인을 구현하여, 전체 정렬 이전에 비가능한 매핑을 신속하게 제거할 수 있도록 한다.
• 여러 데이터 세트와 에디트 거리 임계값에서 SHD 대비 정밀도를 크게 향상시키면서도 높은 속도를 유지하도록 알고리즘을 최적화한다.
• 재현성과 기존 게놈 워크플로우에의 통합을 지원하기 위해 MAGNET 및 SHD의 오픈소스 MATLAB 구현체를 공개한다.

실험 결과

연구 질문

• RQ1 게놈 분석의 사전 정렬 필터링에서 시프트 허밍턴 거리(SHD) 알고리즘의 주요 정확도 저하 원인은 무엇인가?
• RQ2 다양한 에디트 거리 임계값에서 MAGNET의 필터링 전략은 SHD 대비 거짓 양성 매핑을 얼마나 줄이는가?
• RQ3 다양한 게놈 데이터 세트와 다양한 오류 임계값에서 MAGNET는 SHD 대비 얼마나 정확도를 향상시키는가?
• RQ4 기존 필터링 방법보다 훨씬 높은 정확도를 달성하면서도 MAGNET는 높은 성능과 속도를 유지할 수 있는가?

주요 결과

• MAGNET는 시프트 허밍턴 거리(SHD) 방법 대비 사전 정렬 필터링의 정확도를 일에서 두 개의 지수 단위 높이었다.
• 제안된 방법은 SHD에서 확인된 네 가지 정확도 저하 원인을 효과적으로 완화하여 거짓 양성 매핑의 현저한 감소를 이끌어냈다.
• MAGNET는 높은 계산 효율성을 유지하여 대규모 고속 시퀀싱(HTS) 데이터 처리에 적합하다.
• 정확도 향상은 다양한 에디트 거리 임계값과 다양한 게놈 데이터 세트에서 일관되게 유지되어 강건성을 입증했다.
• MAGNET 및 SHD의 오픈소스 MATLAB 구현체가 공개되어 있어 게놈 파이프라인에서의 활용과 향후 연구를 위한 기반을 마련했다.