[논문 리뷰] Nanopore Sequencing Technology and Tools for Genome Assembly: Computational Analysis of the Current State, Bottlenecks and Future Directions

Damla Senol Cali, Jeremie Kim외 3명|arXiv (Cornell University)|2017. 11. 23.

Genomics and Phylogenetic Studies인용 수 5

한 줄 요약

이 논문은 게놈 어셈블리에 대한 나노포어 시퀀싱 도구의 종합적인 계산 분석을 제공하며, 베이스콜링, 오버랩 검출, 어셈블리, 폴리싱 도구를 평가한다. 정확도, 속도, 메모리 사용량 간의 핵심 상충 관계를 규명하고, 효율성 면에서 Minimap가 GraphMap를 능가하고, Miniasm가 빠른 초도 어셈블리에 기여하며, Racon이 고정밀도 폴리싱을 크게 가속화함으로써 최적의 도구 선택을 통해 향상된 게놈 어셈블리 워크플로우를 이끌어내는 결론을 도출한다.

ABSTRACT

Nanopore sequencing technology has the potential to render other sequencing technologies obsolete with its ability to generate long reads and provide portability. However, high error rates of the technology pose a challenge while generating accurate genome assemblies. The tools used for nanopore sequence analysis are of critical importance as they should overcome the high error rates of the technology. Our goal in this work is to comprehensively analyze current publicly available tools for nanopore sequence analysis to understand their advantages, disadvantages, and performance bottlenecks. It is important to understand where the current tools do not perform well to develop better tools. To this end, we 1) analyze the multiple steps and the associated tools in the genome assembly pipeline using nanopore sequence data, and 2) provide guidelines for determining the appropriate tools for each step. We analyze various combinations of different tools and expose the tradeoffs between accuracy, performance, memory usage and scalability. We conclude that our observations can guide researchers and practitioners in making conscious and effective choices for each step of the genome assembly pipeline using nanopore sequence data. Also, with the help of bottlenecks we have found, developers can improve the current tools or build new ones that are both accurate and fast, in order to overcome the high error rates of the nanopore sequencing technology.

연구 동기 및 목표

• 나노포어 시퀀싱 분석을 위한 공개된 도구들의 현재 상태를 게놈 어셈블리 맥락에서 평가하기 위해.
• 게놈 어셈블리 파이프라인 전반에 걸친 정확도, 속도, 메모리 사용량, 확장성 측면에서 성능 저하 요인과 상충 관계를 규명하기 위해.
• 각 단계에서 최적의 도구 선택을 위한 근거 기반 가이드라인을 제공하기 위해.
• 기존 도구의 한계를 부각하고 향후 도구 개발 방향을 제안함으로써 향후 도구 개발을 지원하기 위해.

제안 방법

• 본 연구는 4단계(베이스콜링, 리드 간 오버랩 검출, 어셈블리, 폴리싱)에서 14개의 공개 도구를 평가한다.
• 표준화된 메트릭을 사용해 성능을 평가한다: 벽시계 시간, CPU 시간, 최대 메모리 사용량, 그리고 메모리 및 코어 구성이 다른 3개의 하드웨어 플랫폼에서의 병렬 처리 속도 향상.
• 정확도는 참조 게놈 대비 dnadiff를 사용해 6개의 메트릭(기초 수, 컨티그 수, 평균 일치도, 커버리지, 미스매치 수, 인Del 수)으로 측정된다.
• 실제 나노포어 데이터(E. coli)를 사용해 도구 조합의 종합 파이프라인 성능과 상충 관계를 평가하기 위해 분석한다.
• 하드웨어 구성은 고메모리 서버, 데스크톱 시스템, 대용량 메모리 시스템을 포함하여 확장성과 자원 요구량을 평가한다.
• 재현 가능성과 공정성을 확보하기 위해 통제된 입력과 표준화된 명령줄 실행을 사용한 체계적 벤치마킹 접근법을 사용한다.

실험 결과

연구 질문

• RQ1 나노포어 시퀀싱 데이터에 대해 정확도와 성능의 최적 균형을 이루는 베이스콜링 도구는 무엇인가?
• RQ2 GraphMap와 Minimap는 리드 간 오버랩 검출에서 정확도, 속도, 메모리 효율성 측면에서 어떻게 비교되는가?
• RQ3 Canu와 Miniasm와 같은 어셈블러를 선택할 경우 속도와 정확도 사이의 상충 관계는 어떻게 되는가?
• RQ4 Nanopolish와 Racon 같은 폴리싱 도구는 공식화 정확도와 계산 효율성 측면에서 어떻게 비교되는가?
• RQ5 어떤 도구 조합이 가장 효율적이고 정확한 종합 게놈 어셈블리 파이프라인을 제공하는가?

주요 결과

• 베이스콜링이 가장 중요한 단계이며, 원시 나노포어 리드의 높은 오류율로 인해 베이스콜러의 선택이 후속 어셈블리 정확도에 큰 영향을 미친다.
• 정확도는 유사하게 유지하면서 Minimap는 메모리 효율성과 속도 면에서 GraphMap를 능가한다.
• Miniasm는 자원 사용량을 줄이며 빠른 초도 어셈블리를 가능하게 하고, 이후 Racon을 사용한 폴리싱은 Nanopolish보다 뚜렷한 속도 향상을 이끌어내며 높은 정확도를 달성한다.
• Racon은 Nanopolish에 비해 뚜렷한 성능 우위를 보이며, 폴리싱 시간을 단축시키면서도 더 고품질의 공식화 시퀀스를 생성한다.
• 본 연구는 어셈블리에서 속도와 정확도 사이에 명확한 상충 관계가 있음을 규명했으며, Miniasm + Racon 조합은 실용적 사용을 위한 빠르고 확장 가능하며 정확한 파이프라인을 제공한다.
• 메모리 사용량과 하드웨어 구성은 특히 대규모 어셈블리에서 성능에 큰 영향을 미치며, 대용량 메모리 시스템은 복잡한 데이터셋의 처리를 더 빠르게 가능하게 한다.