[논문 리뷰] Meraculous-2D: Haplotype-sensitive Assembly of Highly Heterozygous genomes

Eugene Goltsman, Isaac Ho외 1명|arXiv (Cornell University)|2017. 03. 29.

Genomics and Phylogenetic Studies참고 문헌 13인용 수 6

한 줄 요약

Meraculous-2D는 고도로 이형성인 이형성 게놈을 위한 히플로타입 인식 게놈 어셈블러를 제안하며, de Bruijn 그래프에서 임의의 경로 선택을 피함으로써 어셈블리 과정 全 주기 동안 대립유전자 다양성을 유지한다. 이는 동시에 두 히플로타입을 정확하게 재구성할 수 있게 하여 고도로 다형성 있는 게놈에서 어셈블리 연속성과 단계 정확도를 크게 향상시킨다.

ABSTRACT

While many short read assemblers attempt to simplify the de Brujin graph by identifying and resolving variant-induced bubbles to produce a haploid mosaic result, this approach is only viable when variants are relatively rare and the bubbles are well defined in a graph context. We observed that diploid genomes with very high levels of heterozygosity fail to display well-resolved bubble structures in a typical assembly graph and thus result in highly fragmented and incomplete assemblies. Here we present an enhancement of Meraculous2 algorithm, called Meraculous-2D, which preserves haplotypes across variant sites and generates accurate assembly of highly heterozygous diploid genomes. Preserving and taking advantage of the allelic variation throughout the assembly process allows reconstructing both haplomes at once, without the need to pick arbitrary paths through bubble structures. We also enhanced the original diploidy resolution method of Meraculous2 to maintain and report phased haplotype variant information.

연구 동기 및 목표

• 표준 어셈블러가 잘 해결되지 않는 복잡한 버블 구조로 인해 고도로 이형성인 이형성 게놈 어셈블리에 어려움을 겪는 문제를 해결한다.
• 변이가 풍부한 그래프를 단일 히플로타입 모자이크로 단순화함으로써 분할 및 정확도 저하를 초래하는 전통적인 짧은 리드 어셈블러의 한계를 극복한다.
• 변이 부위 전반에 걸쳐 대립유전자 다양성을 유지하고 활용하여 경로 선택 편향 없이 동시에 두 히플로타입을 재구성한다.
• 어셈블리 과정 全 주기 동안 단계 정보를 유지하고 보고함으로써 단계 정확도를 향상시킨다.
• GNU 일반 공중 라이선스를 사용하여 고도로 이형성인 게놈의 de novo 어셈블리에 대해 확장 가능하고 오픈소스 솔루션을 제공한다.

제안 방법

• de Bruijn 그래프 구조에 대립유전자 다양성을 유지함으로써 Meraculous2 알고리즘을 히플로타입 감지 어셈블리 지원으로 확장한다.
• 복잡한 다중 가지 구조를 가진 영역에서 임의의 경로 선택을 피하기 위해 변이 유도 버블을 단순화하지 않는다.
• 두 히플로타입을 명시적으로 모델링하는 그래프 기반 접근 방식을 사용하여 양부모 게놈을 동시에 재구성할 수 있도록 한다.
• 변이 부위 전반에 걸쳐 단계 정보를 유지하고 최종 어셈블리에서 보고하는 개선된 이형성 해소 방법을 통합한다.
• k-mer 빈도 및 리드 매핑 데이터를 활용하여 어셈블리 과정에서 진정한 생물학적 다양성과 시퀀싱 오류를 구분한다.
• 계층적 클러스터링 및 그래프 분할 전략을 적용하여 복잡한 영역을 해결하면서도 장거리 히플로타입 연속성을 유지한다.

실험 결과

연구 질문

• RQ1 de novo 어셈블러가 변이가 풍부한 영역을 붕괴하지 않고 고도로 이형성인 이형성 게놈에서 두 히플로타입을 유지할 수 있는가?
• RQ2 어셈블리 과정에서 대립유전자 다양성을 유지할 경우, 표준 히플로타입-모자이크 어셈블러와 비교해 연속성과 단계 정확도에 어떤 영향을 미치는가?
• RQ3 Meraculous-2D는 고도로 이형성인 게놈에서 N50, 히플로타입 완전성, 단계 정확도 측면에서 기존 어셈블러보다 어느 정도 뛰어나게 성능을 발휘하는가?
• RQ4 추가적인 어셈블리 후 단계에서의 단계화가 필요 없이 알고리즘이 신뢰성 있게 단계화된 변이 정보를 보고할 수 있는가?
• RQ5 버블 해소 과정에서 임의의 경로 선택이 없을 경우, 더 생물학적으로 정확한 게놈 재구성이 이루어지는가?

주요 결과

• Meraculous-2D는 변이가 풍부한 영역이 잘 해결되지 않아 발생하는 분할 없이 고도로 이형성인 이형성 게놈에서 두 히플로타입을 성공적으로 재구성한다.
• 표준 어셈블러가 변이 부위를 단일 공통 서열로 단순화하는 것과는 달리, Meraculous-2D는 유의미하게 높은 N50 값을 달성한다.
• 단계화된 히플로타입 정보가 유지되고 정확하게 보고되어 대립유전자 다양성의 후속 분석이 가능해진다.
• 복잡한 그래프에서 경로 선택을 피함으로써 조건이 엄격한 다형성 영역에서도 장거리 히플로타입 연속성을 유지한다.
• 실제 및 시뮬레이션 데이터셋 모두에서 고도로 이형성인 환경에서 뛰어난 성능을 보이며, 연속성과 단계 정확도 측면에서 기존 어셈블러를 능가한다.
• Meraculous-2D는 GNU 일반 공용 라이선스 하에 제공되어 게놈 연구의 개방성과 재현 가능성을 보장한다.