[논문 리뷰] New strategies to improve minimap2 alignment accuracy

Heng Li|arXiv (Cornell University)|2021. 08. 07.

Genomics and Phylogenetic Studies참고 문헌 14인용 수 9

한 줄 요약

이 논문은 장독성 읽기 정렬에서 특히 반복성이 높은 영역과 구조적 변이에서 minimap2 v2.22의 정확도를 크게 향상시킨다. 고빈도 발생 k-mer를 복구하는 히우리스틱, 최대 100 kb까지의 장거리 인ser션/디레션(INDEL)를 위한 재연결(rechaining) 알고리즘, 대규모 구조적 변이에 대한 과잉 페널티를 줄이는 로그 갭 스코링 함수를 도입하여 맵핑 정확도와 SV 탐지 민감도가 크게 향상되었다.

ABSTRACT

Summary: We present several recent improvements to minimap2, a versatile pairwise aligner for nucleotide sequences. Now minimap2 v2.22 can more accurately map long reads to highly repetitive regions and align through insertions or deletions up to 100kb by default, addressing major weakness in minimap2 v2.18 or earlier. Availability and implementation: https://github.com/lh3/minimap2

연구 동기 및 목표

• minimap2 v2.18 이하 버전에서 반복성이 높은 영역과 구조적 변이에서 낮은 맵핑 정확도 문제를 해결하기 위해.
• 선형 갭 스코링 모델에서 장거리 삽입/삭제(INDEL)에 대한 과잉 페널티로 인한 오막힘 문제를 해결하기 위해.
• 변동 번수 반복서열(VNTR) 주변의 장거리 INDEL과 겹치는 짧은 체인 존재 시 체인 연결의 강건성을 향상시키기 위해.
• 특이도를 희생시키지 않고도 구조적 변이(SV) 탐지 민감도를 향상시키기 위해.

제안 방법

• 고빈도 발생 k-mers를 효과적으로 복구하기 위한 새로운 히우리스틱: 인접한 저빈도 발생 k-mers가 최소 500 bp 이상 떨어져 있을 경우, 그 사이 간격에서 발생 빈도가 가장 낮은 미니멀라이저를 선택하며, 효율성을 위해 이진 힙을 사용한다.
• 기존의 장거리 결합(long-join) 히우리스틱을 대체하는 하이브리드 체인 전략: 먼저 500 bp 밴드 내에서 동적 프로그래밍(DP)을 사용해 체인을 형성하고, 이후 minigraph에서 가져온 비제곱 시간 알고리즘을 사용해 재연결하여 겹침을 해결하고 장거리 INDEL를 통해 연장한다.
• 기존의 선형 갭 페널티를 대체하는 새로운 스코링 함수: S = M − (N + G)/(2d) − Σ log₂(1 + gᵢ), 여기서 d = max{(N+G)/(M+N+G), 0.02}이며, 장거리 INDEL에 대해 덜 강한 페널티를 적용한다.
• minimap2에 minigraph에서 가져온 비제곱 시간 재연결 알고리즘을 통합하여, 복잡한 영역에서의 맵핑 강건성을 향상시켰다.
• 새로운 스코링 함수는 정렬 길이에 대해 선형이므로 계산 오버헤드가 극히 낮다.
• 개선 사항은 기존 버전과의 호환성을 유지하며, minimap2의 속도를 유지하면서 정렬 시간이 몇 퍼센트 정도만 증가한다.

실험 결과

연구 질문

• RQ1 저빈도 발생 시드가 부족한 반복성이 높은 영역에서 고빈도 발생 k-mers를 효과적으로 복구할 수 있는가?
• RQ2 비제곱 시간 재연결 알고리즘이 장거리 INDEL 및 VNTR 주변의 겹치는 짧은 체인을 해결하는 데 이전의 long-join 히우리스틱보다 우수한가?
• RQ3 로그 갭 스코링 함수가 대규모 구조적 변이에 대한 과잉 페널티를 줄이고 SV 탐지 정확도를 향상시킬 수 있는가?
• RQ4 새로운 전략은 minimap2 v2.18과 Winnowmap2에 비해 맵핑 정확도와 SV 민감도를 어느 정도 향상시키는가?

주요 결과

• minimap2 v2.22는 시뮬레이션된 Nanopore 리드의 97.9%를 맵핑 품질 10 이상으로 맵핑하여, v2.18(97.6%)을 능가하고 Winnowmap2(99.0%)와 동등한 성능을 보였다.
• v2.22에서는 맵핑 오류율이 52 phredQ(52% 오류율)로 떨어졌으며, v2.18는 52, Winnowmap2는 38이었다. 이는 정확도 향상을 시사한다.
• 시뮬레이션 데이터에서의 SV 탐지 결과, v2.22는 참음성률 0.5%와 위양성률 0.0%를 기록하여 Winnowmap2와 동등했으며, v2.18의 2.0%와 0.1%보다 뚜렷이 향상되었다.
• 실제 장거리 INDEL(>1 kb)에 대해 v2.22는 유사한 특이도에서 더 높은 민감도(7.3% 참음성률)를 보였고, v2.18(20.0%)보다 더 나은 정렬 연속성을 확인했다.
• 새로운 스코링 함수는 장거리 INDEL에 대한 과잉 페널티를 줄여, 기본 Sniffles 임계치(Q20)에서 빠졌던 SV를 minimap2가 더 잘 탐지할 수 있도록 했다. v2.22는 다섯 개의 빠진 SV 중 네 개에서 Winnowmap2보다 더 많은 변이 리드를 탐지했다.
• 더 복잡한 알고리즘을 통합했음에도 불구하고, v2.22는 v2.18와 유사한 런타임을 유지했으며, Winnowmap2보다 항상 2–3배 빠르게 작동하여 효율성 향상을 입증했다.