[논문 리뷰] On-line Assembling Mitochondrial DNA from de novo transcriptome

Juan David Arcila Moreno, Santiago Passos외 1명|arXiv (Cornell University)|2017. 06. 09.

Algorithms and Data Compression참고 문헌 3인용 수 4

한 줄 요약

이 논문은 큰 k-미터 de Bruijn 그래프를 사용하여 사이클이 없는 전체 시퀀스를 복원하고, 시작 및 정지 코돈을 기반으로 Boyer-Moore 기반 유전자 탐지 기법을 적용함으로써 전사체 데이터에서 미토콘드리아 DNA를 온라인으로 재조립하기 위한 알고리즘을 제시한다. 이 방법은 전체 데이터 세트를 모두 읽지 않고도 고성능의 실시간 유전자 식별을 가능하게 하지만, 온라인 처리 방식의 특성상 최종 유전자 정확도는 여전히 불확실하다.

ABSTRACT

This paper is focused in designing an efficient on-line algorithm to reconstruct a DNA sequence and search the genes in it, we assume that the segment have no mutation or reading error, the algorithm is based on de Bruijn Graph for reconstructing the DNA from the segments taking k-mers large enough no to generate cycles, once the sequence is ready a Boyer-Moore's algorithm implementation is used to search the genes inside de sequence using starts and stop codons, this solution give a high performance when all genes can be found, and there is no need to read all the segments to reach maximum number of genes, but due to the online nature one cannot be sure about the finals genes given

연구 동기 및 목표

• 데노보 전사체 데이터에서 미토콘드리아 DNA 시퀀스를 재조립하기 위한 효율적인 온라인 알고리즘 개발
• 완전한 데이터 입력을 기다리지 않고도 시퀀스 재조립 중 실시간으로 유전자 탐지 기능 제공
• 적절히 큰 k-mers를 사용하여 de Bruijn 그래프 내 사이클을 방지함으로써 재조립 오류 최소화
• Boyer-Moore 알고리즘을 활용해 시작(АТG) 및 정지(TAA, TAG, TGA) 코돈을 기반으로 한 유전자 탐지 파이프라인 구현을 통한 빠른 식별 기능 제공
• 스트리밍 데이터 환경에서의 계산 효율성을 유지하면서도 높은 성능의 유전자 탐지 달성

제안 방법

• 전사체 리드에서 큰 k-mers를 사용하여 사이클이 없는 시퀀스 재조립이 가능한 de Bruijn 그래프 구축
• 새로운 k-mers 세그먼트가 도착함에 따라 점진적으로 진행되는 온라인 처리 전략 적용
• 재조립된 DNA 시퀀스에서 시작(АТG) 및 정지(TAA, TAG, TGA) 코돈으로 정의된 유전자 영역을 스캔하기 위해 Boyer-Moore 알고리즘 적용
• 재조립 정밀도를 유지하기 위해 입력 세그먼트에 돌연변이 또는 시퀀싱 오류가 없다는 가정에 기반
• de Bruijn 그래프 내의 사이클 방지를 위해 k-mers 크기 선택을 핵심 매개변수로 활용
• 스트리밍 방식으로 데이터 처리를 수행하여 전체 데이터 세트 완료 이전에도 초기 단계에서 유전자 탐지 가능

실험 결과

연구 질문

• RQ1 온라인 알고리즘을 사용하여 데노보 전사체 데이터에서 실시간으로 미토콘드리아 DNA를 정확히 재조립할 수 있는가?
• RQ2 큰 k-mers를 사용할 경우 de Bruijn 그래프 기반 재조립에서 사이클 형성과 시퀀스 정확도에 어떤 영향을 미치는가?
• RQ3 완전한 데이터 입력 없이도 유전자 탐지가 얼마나 이르게 수행될 수 있는가?
• RQ4 온라인 미토콘드리아 DNA 재조립에서 속도와 완전성 간의 성능 트레이드오프는 어떠한가?
• RQ5 알고리즘의 온라인 특성으로 인해 최종 시퀀스가 아직 완전히 결정되지 않은 상태에서 유전자 탐지의 신뢰도는 어느 정도인가?

주요 결과

• 모든 유전자가 성공적으로 재조립된 경우, 알고리즘이 실시간 처리에서 높은 성능의 유전자 탐지 기능을 보여줌
• 적절히 큰 k-mers를 사용하면 de Bruijn 그래프 내 사이클 형성이 방지되어 더 정확하고 선형적인 시퀀스 재조립 보장
• Boyer-Moore 기반 유전자 탐지 기능은 프로세스 초기 단계부터 시작되어 전체 데이터 세트 수신 이전에도 부분적인 식별 가능
• 최대 유전자 탐지 성능을 달성하기 위해 모든 세그먼트를 읽을 필요가 없음을 시사하며, 이는 유전자 탐지의 조기 수렴을 의미함
• 높은 성능에도 불구하고, 온라인 처리 방식의 특성상 런타임 중 시퀀스가 완전하지 않을 수 있어 최종 유전자 세트의 정확도가 불확실함
• 입력 데이터에 시퀀싱 오류나 돌연변이가 없다는 가정 하에 이 방법은 효과적이며, 이는 재조립 정확도에 매우 중요함