[논문 리뷰] Robust haplotype-resolved assembly of diploid individuals without parental data

Haoyu Cheng, Erich D. Jarvis외 5명|arXiv (Cornell University)|2021. 09. 10.

Genomics and Phylogenetic Studies참고 문헌 18인용 수 16

한 줄 요약

이 논문은 부모의 시퀀싱이 필요 없이 단일 실행 파일 형태의 새로운 알고리즘을 제안하며, 단지 PacBio HiFi 및 Hi-C 데이터만을 사용하여 복수의 대립유전자를 해독한 게놈의 안정적인 조립을 가능하게 한다. 단일 페지드 hifiasm 조립 그래프에 Hi-C에서 유도된 장거리 단계 정보를 통합하고, 유닛리그를 두 개의 대립유전자로 분할하기 위해 최대 컷 문제를 해결함으로써, 피어드 기반 방법과 비교해도 뛰어난 품질의 연속적인 이형 게놈 조립을 생성한다.

ABSTRACT

Routine single-sample haplotype-resolved assembly remains an unresolved problem. Here we describe a new algorithm that combines PacBio HiFi reads and Hi-C chromatin interaction data to produce a haplotype-resolved assembly without the sequencing of parents. Applied to human and other vertebrate samples, our algorithm consistently outperforms existing single-sample assembly pipelines and generates assemblies of comparable quality to the best pedigree-based assemblies.

연구 동기 및 목표

• 단일 샘플, 부모 데이터 없이도 안정적인 대립유전자 해독 게놈 조립을 위한 방법을 개발하는 것.
• 기존 조립기법들이 대립유전자를 융합하거나 분할된 대안 조립을 생성하는 등의 한계를 극복하는 것.
• 페지드된 HiFi 조립 그래프에 Hi-C 염색체 상호작용 데이터를 통합하여 장거리 단계 정보를 제공하는 것.
• 단계, 매핑, 조립을 하나의 효율적인 파이프라인으로 통합하여 외부 도구 의존도를 제거하는 것.
• 단지 30×의 HiFi 및 Hi-C 데이터 커버리지로도 피어드 기반 방법의 성능을 충족하거나 초월하는 조립 품질을 달성하는 것.

제안 방법

• 각 노드가 정확한 단계 정보를 가진 유닛리그이고, 간선이 오버랩을 나타내는 페지드된 hifiasm 조립 그래프를 기반으로 작동한다.
• Hi-C 단백질 읽기를 유닛리그의 31-mer에 매핑하고, 동일한 Hi-C 읽기 쌍으로부터 유도된 조각을 공유하는 유닛리그 간에 '링크'를 추가한다.
• 유닛리그 분할 문제를 그래프 최대 컷 최적화 문제로 공식화하여, 많은 공유 Hi-C 링크를 가진 유닛리그를 같은 대립유전자로 묶는다.
• 최대 컷 문제의 근사 최적 해를 찾기 위해 확률적 시뮬레이티드 어닐링 알고리즘을 사용하며, 수렴 속도를 높이기 위한 휴리스틱 기법을 적용한다.
• 그래프의 구조적 특성과 버블 구조 및 쌍별 정렬을 통해 식별된 동족 유닛리그 쌍을 고려하여 局부 최적해를 줄인다.
• 마지막으로, hifiasm의 그래프 분류 전략을 재사용하여 두 개의 중복 없고 대립유전자 해독된 컨티그 세트(대립유전자 컨티그)를 생성한다.

실험 결과

연구 질문

• RQ1 단일 샘플, 부모 데이터 없이도 피어드 기반 방법과 비교해도 동등한 품질의 대립유전자 해독 조립을 생성할 수 있는가?
• RQ2 부모의 유전자형이 없을 경우 Hi-C 데이터가 효과적으로 장거리 단계 정보를 제공하여 대립유전자를 해독하는 데 기여할 수 있는가?
• RQ3 통합된 단일 실행 파일 파이프라인은 다단계, 도구 의존적 파이프라인보다 정확도와 사용성 면에서 뛰어나게 작용할 수 있는가?
• RQ4 페지드된 조립 그래프에 Hi-C 데이터를 통합할 경우, 주요/대안 조립에 비해 연속성과 단계 정확도가 어떻게 향상되는가?
• RQ5 내부 및 상호 대립유전자 다양성 패턴을 활용하여 단지 HiFi 데이터만으로도 강력한 이중 조립을 얼마나 잘 생성할 수 있는가?

주요 결과

• Hi-C 기반 hifiasm 방법은 부모의 짧은 시퀀스를 사용하여 검증한 결과, 트라이오-빈닝 방법과 비교해도 유사한 단계 정확도를 보였다.
• HG002에 대해, 주요 대립유전자에 대해 중앙 연장 N50가 11.2 Mb, 대안 대립유전자에 대해 10.8 Mb였으며, 이질형 변이의 95% 이상이 정확하게 단계화되었다.
• 특히 저이종성 영역에서 FALCON-Phase, HiCanu 및 표준 hifiasm보다 연속성과 단계 정확도 면에서 뛰어났다.
• Hi-C 데이터가 없을 경우에도, 내부 대립유전자 다양성을 활용하여 높은 품질의 중복 없는 주요 유사 컨티그를 각 대립유전자에 대해 생성했다.
• 단일 실행 파일 설계 덕분에 다도구 파이프라인 대비 실행 시간과 설치 복잡도가 감소했으며, 인간 규모 데이터에 대해 전체 조립이 24시간 이내에 완료되었다.
• 비인간 척추동물(예: 검은 뿔사자, 타카헤)에 대해서도 성공적으로 적용되었으며, 부모 데이터 없이도 높은 품질의 대립유전자 해독 조립을 생성했다.