[논문 리뷰] Optimal DNA shotgun sequencing: Noisy reads are as good as noiseless reads

Seyed Abolfazl Motahari, Kannan Ramchandran외 2명|arXiv (Cornell University)|2013. 04. 09.

Algorithms and Data Compression참고 문헌 7인용 수 4

한 줄 요약

이 논문은 i.i.d. DNA 서열에 대해, 노이즈 수준이 임계 임계값 이하일 경우, 노이즈가 있는 샷건 서열이 노이즈가 없는 서열만큼 효과적임을 입증한다 — 대칭 치환 노이즈의 경우 최대 19%까지 허용된다. 핵심 통찰은 고복도 시퀀싱이 정렬과 평균화를 통해 오류를 보정할 수 있으며, 서열 내 가장 긴 반복 요소를 초과하는 독서 길이일 경우 노이즈의 영향이 渐진적으로 무시될 수 있다는 것이다.

ABSTRACT

We establish the fundamental limits of DNA shotgun sequencing under noisy reads. We show a surprising result: for the i.i.d. DNA model, noisy reads are as good as noiseless reads, provided that the noise level is below a certain threshold which can be surprisingly high. As an example, for a uniformly distributed DNA sequence and a symmetric substitution noisy read channel, the threshold is as high as 19%.

연구 동기 및 목표

• 노이즈가 있는 독서 조건에서 DNA 샷건 시퀀싱의 기본 한계를 규명하는 것.
• 비선형적 점근적 영역에서 노이즈가 재구성 성능을 본질적으로 떨어뜨리는지 조사하는 것.
• 노이즈가 없는 독서와 동일한 성능을 달성할 수 있는 조건을 규명하는 것.
• 복도 깊이와 독서 길이가 노이즈가 존재하는 상황에서 오류 보정을 가능하게 하는 역할을 분석하는 것.
• 재구성 성능이 저하되는 이론적 임계 노이즈 수준을 규명하여 독서 길이와 무관하게 독립적인 조건을 설정하는 것.

제안 방법

• 먼저, 동일한 게놈 영역을 커버하는 여러 노이즈 있는 독서를 최대우도 기준 정렬 기준을 사용해 정렬하는 이중 단계 조립 기법을 제안한다.
• 정렬된 독서를 평균화하여 공통 서열을 생성하는 청소 절차를 적용하여 중복성에 기반한 노이즈 감소를 달성한다.
• 이상적 정렬 및 잘못된 공통 서열 추정 확률을 분석하기 위해 대규모 편차 한계를 사용한다.
• I_read > H_renyi 조건인 임계 임계값 조건을 유도한다. 여기서 I_read는 진짜 염기와 관측된 독서 사이의 상호정보량이며, H_renyi는 2차 레니 엔트로피율이다.
• 포isson 분포를 기반으로 한 복도 분석과 유니온 한계를 사용하여, 임계 조건을 만족할 경우 전체 게놈 복도가 달성 가능함을 보여준다.
• 집중 부등식과 지수적 한계를 적용하여, 게놈 크기 G → ∞ 일 때 재구성 오류 확률이 사라짐을 증명한다.

실험 결과

연구 질문

• RQ1 샷건 시퀀싱에서 노이즈 있는 독서가 노이즈 없는 독서와 동일한 재구성 성능을 달성할 수 있는 조건은 무엇인가?
• RQ2 노이즈가 재구성에 점근적으로 영향을 주지 않는 기본적인 노이즈 수준의 임계값은 무엇인가?
• RQ3 고복도 시퀀싱은 노이즈 있는 독서가 존재하는 상황에서 어떻게 오류 보정을 가능하게 하는가?
• RQ4 노이즈가 있는 조건에서 재구성에 필요한 임계 독서 길이는 노이즈가 없는 조건과 동일한가?
• RQ5 노이즈가 있는 조건에서도 Lander-Waterman 복도 조건이 점근적으로 날카로운 경계를 이루는가?

주요 결과

• i.i.d. DNA 서열에 대해, 노이즈 수준이 I_read > H_renyi 조건을 만족할 경우, 노이즈 있는 독서가 노이즈 없는 독서만큼 효과적이다.
• 균일 분포 DNA 서열과 대칭 치환 노이즈 조건에서 노이즈 임계값은 δ* = 0.19이며, 이는 최대 19%의 잘못된 독서 확률이 점근적 성능 저하 없이 허용됨을 의미한다.
• 재구성에 필요한 임계 독서 길이는 노이즈 없는 경우와 동일한 L > 2 / H_renyi 이며, 이는 노이즈가 최소 필요 독서 길이를 증가시키지 않음을 나타낸다.
• 고복도 시퀀싱(복도 깊이 → ∞, G → ∞ 일 때)은 동일한 게놈 영역에서의 여러 노이즈 있는 독서를 정렬하고 평균화함으로써 효과적인 오류 보정을 가능하게 한다.
• 노이즈 임계 조건을 만족하고 복도가 충분할 경우, 재구성 오류 확률(정렬 오류 및 잘못된 공통 서열 추정 포함)은 G → ∞ 일 때 사라진다.
• 모든 염기들이 높은 확률로 커버되도록 보장하는 조건 N > (G / L) ln(G)는, 노이즈가 임계값 이하일 경우 재구성에 충분한 조건이 된다.