[논문 리뷰] QuorUM: an error corrector for Illumina reads

Guillaume Marçais, James A. Yorke외 1명|arXiv (Cornell University)|2013. 07. 12.

Genomics and Phylogenetic Studies인용 수 1

한 줄 요약

QuorUM은 고정 임계값을 피하고 진짜 k-mer를 최대화하며 거짓 k-머를 최소화함으로써 오류 수정을 최적화하는 k-mer 기반 오류 수정기로, 이는 적응형 트림을 통해 실시된다. 이는 고정 임계값을 사용하지 않으며, 이는 저카버리지 게놈 영역에서의 한계를 해결한다. QuorUM은 경쟁 도구들보다 더 많은 완벽한 리드를 생성하고 더 큰 이상화된 컨티그를 만들어내어 뛰어난 게놈 어셈블리 성능을 달성하며, 높은 처리량(코어당 일일 10억 바이트 수정)을 제공한다.

ABSTRACT

Motivation: Illumina Sequencing data can provide high coverage of a genome by relatively short (100 bp150 bp) reads at a low cost. Our goal is to produce trimmed and error-corrected reads to improve genome assemblies. Our error correction procedure aims at producing a set of error-corrected reads (1) minimizing the number of distinct false k-mers, i.e. that are not present in the genome, in the set of reads and (2) maximizing the number that are true, i.e. that are present in the genome. Because coverage of a genome by Illumina reads varies greatly from point to point, we cannot simply eliminate k-mers that occur rarely. Results: Our software, called QuorUM, provides reasonably accurate correction and is suitable for large data sets (1 billion bases checked and corrected per day per core). Availability: QuorUM is distributed as an independent software package and as a module of the MaSuRCA assembly software. Both are available under the GPL open source license at http://www.genome.umd.edu. Contact: [e-mail]

연구 동기 및 목표

• Illumina 리드에서 거짓 k-머를 최소화하고 진짜 k-머를 최대화하는 오류 수정기를 개발하기 위해.
• 저카버리지 게놈 영역에서 고정 임계값 기반 k-머 필터링의 한계를 해결하기 위해.
• 더 길고 더 정확한 컨티그를 생성함으로써 디 노보 게놈 어셈블리 향상하기 위해.
• 과도한 오류 수정과 유효한 시퀀스 보존 사이의 균형을 맞추어 불필요한 트림을 방지하기 위해.

제안 방법

• 고정 임계값 없이 k-머 수세기 방법을 사용하며, k-머 커버리지의 급격한 감소를 감지하여 트림을 유도한다.
• k-머 커버리지가 급격히 감소하는 지점에서 리드를 트림하여, 가능한 한 저커버리지 영역을 유지한다.
• 삽입 또는 삭제 오류는 수정하지 않고, 오직 치환 오류만 수정한다.
• 낮은 커버리지로 인해 유효한 시퀀스를 기각하지 않는 품질 최적화 전략을 사용한다.
• 단독 도구로 작동하며, MaSuRCA 어셈블러에 통합되어 있다.
• 여러 코어에서 선형 확장되며, 코어당 일일 약 10억 바이트를 수정한다.

실험 결과

연구 질문

• RQ1 어떻게 오류 수정을 최적화하여 Illumina 리드에서 거짓 k-머를 최소화하면서도 진짜 k-머를 유지할 수 있는가?
• RQ2 커버리지 감소 기반 적응형 트림이 저카버리지 영역에서 고정 임계값 기반 k-머 필터링보다 우월한가?
• RQ3 QuorUM은 다른 오류 수정기들과 비교하여 완벽한 리드 수와 이상화된 컨티그 크기에 얼마나 뛰어난가?
• RQ4 어느 정도 트림 전략이 색체 리드 형성과 어셈블리 품질에 영향을 미치는가?

주요 결과

• 마우스 게놈에서 QuorUM은 가장 많은 완벽한 리드(81,995개)를 생성했으며, 완벽한 리드의 총 시퀀스 길이도 원본 시퀀스의 81.995%로 가장 높았다.
• 모든 테스트된 게놈에서 가장 큰 이상화된 N50와 E-size 값을 달성하여 어셈블리의 우수한 연속성(컨티그 이음)을 보였다.
• Quake, HiTec, Coral보다 더 적은 색체 리드를 생성했으며, 동시에 완벽한 리드 수에서 뛰어난 성능을 보였다.
• 비트림 기반 수정기인 Echo, Coral, HiTec보다 트림된 리드가 있음에도 불구하고 더 많은 완벽한 리드를 생성했다.
• Quake는 과도한 트림으로 유효한 시퀀스를 감소시켜 손실을 빚었지만, QuorUM은 유효한 시퀀스 보존 측면에서 더 뛰어난 성능을 보였다.
• 오류 수정과 시퀀스 유지 간의 균형을 잘 맞춰, 게놈 어셈블리에서 최고의 종합 성능을 달성했다.