[논문 리뷰] Meraculous2: fast accurate short-read assembly of large polymorphic genomes

Jarrod Chapman, Isaac Ho외 2명|arXiv (Cornell University)|2016. 08. 02.

Genomics and Phylogenetic Studies참고 문헌 24인용 수 11

한 줄 요약

Meraculous2는 버블 기반의 대립유전자 변이 탐지, 향상된 갭 메우기 및 정확한 스크래핑 알고리즘을 통합함으로써 대규모 다형성 유전자를 가진 게놈의 *de novo* 게놈 어셈블리 성능을 향상시키는 고성능 병렬 처리 단일 읽기 어셈블러이다. 이는 HPC 시스템에서 24시간 이내에 인간 게놈 어셈블리 완료를 달성하며, NA12878 이형성 게놈 데이터셋에서 이전 어셈블러들보다 연속성, 완전성 및 정확성 측면에서 뛰어난 성능을 보였다.

ABSTRACT

We present Meraculous2, an update to the Meraculous short-read assembler that includes (1) handling of allelic variation using "bubble" structures within the de Bruijn graph, (2) improved gap closing, and (3) an improved scaffolding algorithm that produces more complete assemblies without compromising scaffolding accuracy. The speed and bandwidth efficiency of the new parallel implementation have also been substantially improved, allowing the assembly of a human genome to be accomplished in 24 hours on the JGI/NERSC Genepool system. To highlight the features of Meraculous2 we present here the assembly of the diploid human genome NA12878, and compare it with previously published assemblies of the same data using other algorithms. The Meraculous2 assemblies are shown to have better completeness, contiguity, and accuracy than other published assemblies for these data. Practical considerations including pre-assembly analyses of polymorphism and repetitiveness are described.

연구 동기 및 목표

• 단일 읽기 시퀀싱 데이터를 사용하여 대규모 고다형성 게놈을 어셈블링하는 데 도전 과제를 해결하기 위해.
• 대립유전자 변이 존재 하에서도 연속성과 완전성을 향상시키면서도 높은 정확성을 유지하기 위해.
• 대규모 게놈 분석 워크플로우에 적합한 계산 효율성 및 확장성 향상하기 위해.
• JGI/NERSC Genepool과 같은 HPC 환경에 적합한 실용적이고 고성능 솔루션 제공하기 위해.
• 최적의 어셈블리 파라미터 설정을 유도하기 위해 다형성 및 반복성 분석을 통합한 강력한 사전 어셈블리 분석 통합하기 위해.

제안 방법

• 이형성 및 다형성 게놈 내 이형성 영역의 정확한 표현을 가능하게 하기 위해, de Bruijn 그래프 내 버블 구조를 사용하여 대립유전자 변이를 모델링하고 해결한다.
• 짝체단서 및 메이트패어 읽기 정보를 활용하여 컨티그를 연장하는 개선된 갭 메우기 전략을 구현한다.
• 신뢰할 수 있는 연관 정보를 사용하여 정확성을 훼손하지 않은 채 연속성을 극대화하는 새로운 스크래핑 알고리즘을 도입한다.
• 병렬 처리가 매우 효율적으로 구현되어 속도와 대역폭 효율성을 향상시켜 대규모 게놈 어셈블리가 가능하게 한다.
• 파라미터 최적화를 위해 게놈 전체 범위의 다형성 및 반복성 평가를 위한 사전 어셈블리 분석 파이프라인을 통합한다.
• JGI/NERSC Genepool과 같은 HPC 클러스터에서 실행되어 인간 게놈 어셈블리가 24시간 이내에 완료된다.

실험 결과

연구 질문

• RQ1 단일 읽기 데이터를 사용하여 이형성 및 다형성 게놈에서 대립유전자 변이를 효과적으로 모델링하고 해결할 수 있는가?
• RQ2 오류를 유발하지 않으면서도 연속성을 향상시키기 위해 갭 메우기를 어떻게 개선할 수 있는가?
• RQ3 복잡한 반복 영역에서 정확성을 유지하면서도 스크래핑을 더 완전하게 만들 수 있는가?
• RQ4 병렬 처리가 대규모 게놈 어셈블리의 실행 시간과 자원 효율성에 얼마나 기여할 수 있는가?
• RQ5 실제 인간 이형성 데이터에서 Meraculous2는 기존 어셈블러들과 비교해 연속성, 완전성 및 정확성 측면에서 어떤가?

주요 결과

• Meraculous2는 JGI/NERSC Genepool 시스템에서 NA12878 이형성 게놈의 완전한 인간 게놈 어셈블리 작업을 24시간 이내에 완료했다.
• Meraculous2 어셈블리 결과는 동일한 데이터에 대한 다른 발표된 어셈블리들보다 N50 측정 기준으로 뛰어난 연속성을 보였다.
• 완전성이 향상되어 기준 게놈 커버리지 비율이 높아지고 오어셈블리율이 감소했다.
• 버블 구조의 사용으로 인해 이형성 영역에서 대립유전자 변이를 정확하게 해결하여 가짜 양성 및 가짜 음성 호출 수를 줄였다.
• 개선된 스크래핑 알고리즘이 이전 방법보다 더 완전한 어셈블리 결과를 도출했으며, 정확성에 영향을 주지 않았다.
• 병렬 구현 덕분에 실행 시간이 크게 단축되었고 대역폭 효율성이 향상되어 대규모 게놈 어셈블리의 확장성이 가능해졌다.