[논문 리뷰] Sibelia: A scalable and comprehensive synteny block generation tool for closely related microbial genomes

Ilya Minkin, Anand Patel외 3명|arXiv (Cornell University)|2013. 07. 30.

Genomics and Phylogenetic Studies참고 문헌 16인용 수 14

한 줄 요약

Sibelia는 반복적인 de Bruijn 그래프를 사용하여 밀접하게 관련된 미생물 게놈에서 구조적 유사 블록을 생성하는 확장성 있고 종합적인 도구로, 다양한 해상도 수준에서 내유전자 및 간유전자 반복을 탐지할 수 있다. 그래프 단순화를 통해 스레딩을 피하고 계층적, 다중 분해능 유사 블록 표현을 지원함으로써 높은 성능을 달성한다. 표준 데스크톱에서 31개의 *S. aureus* 게놈을 31분 내에, 59개의 *E. coli* 게놈을 107분 내에 처리한다.

ABSTRACT

Comparing strains within the same microbial species has proven effective in the identification of genes and genomic regions responsible for virulence, as well as in the diagnosis and treatment of infectious diseases. In this paper, we present Sibelia, a tool for finding synteny blocks in multiple closely related microbial genomes using iterative de Bruijn graphs. Unlike most other tools, Sibelia can find synteny blocks that are repeated within genomes as well as blocks shared by multiple genomes. It represents synteny blocks in a hierarchy structure with multiple layers, each of which representing a different granularity level. Sibelia has been designed to work efficiently with a large number of microbial genomes; it finds synteny blocks in 31 S. aureus genomes within 31 minutes and in 59 E.coli genomes within 107 minutes on a standard desktop. Sibelia software is distributed under the GNU GPL v2 license and is available at: https://github.com/bioinf/Sibelia Sibelia's web-server is available at: http://etool.me/software/sibelia

연구 동기 및 목표

• 대규모 수의 밀접하게 관련된 미생물 게놈을 비교 게놈학 및 병원체 연구에 효과적으로 비교하는 데 도전하는 것.
• 모든 게놈 쌍 간의 명시적 정렬이 필요로 하는 계산적 병목 현상을 피하기 위해 de Bruijn 그래프를 사용하여 쌍별 정렬을 회피하는 것.
• 내유전자 반복과 간유전자로 공유되는 보존 영역를 포함한 다양한 해상도 수준에서 유사 블록 탐지를 가능하게 하는 것.
• 유전자 애너테이션의 일관성 문제로 인한 오류 전파를 줄이기 위해 애너테이션되지 않은 핵산 서열을 직접 분석할 수 있도록 하는 것.
• 다양한 생물학적 응용에 필요한 다양한 분해능 수준을 충족시키기 위해 유사 블록의 계층적 표현을 제공하는 것.

제안 방법

• 유전자 애너테이션 없이 연결된 미생물 게놈 서열에서 반복적인 de Bruijn 그래프를 구축하여 유전자 반복을 모델링하는 것.
• DRIMM-Synteny에 영감을 받은 서열 수정 알고리즘을 사용하여 별도의 스레딩 단계 없이 그래프를 단순화하는 것.
• de Bruijn 그래프의 비분기 경로로 유사 블록을 식별하며, 정점은 겹치는 k-mer를 나타내고 간선은 전이를 나타낸다.
• C-그래프(문자 그래프)에서 k-mer 유사도 기반으로 서로 다른 k-값 간의 위치를 융합하는 접합 규칙을 적용하여 구조적 관계를 유지하는 것.
• 다른 k-값에서의 de Bruijn 그래프 간 이론적 관계를 활용하여 다양한 해상도 수준 간 일관성을 보장하는 것.
• 각각 다른 분해능 수준에 해당하는 다층 계층적 구조로 유사 블록을 표현하며, 예를 들어 k = 15, 25, 50 등이다.

실험 결과

연구 질문

• RQ1 쌍별 정렬에 의존하지 않고 수백 개의 밀접하게 관련된 미생물 게놈에 대해 구조적 유사 블록 탐지를 어떻게 확장성 있게 수행할 수 있는가?
• RQ2 de Bruijn 그래프 기반 접근 방식이 별도의 스레딩 절차 없이 내유전자 및 간유전자 반복을 동시에 탐지할 수 있는가?
• RQ3 다양한 생물학적 응용에 적합한 다양한 해상도 수준에서 유사 블록을 어떻게 표현할 수 있는가?
• RQ4 유사 블록 탐지에서 민감도와 계산 효율성을 균형 잡기 위해 de Bruijn 그래프 구축에 최적의 k-값은 무엇인가?
• RQ5 유전자 애너테이션의 일관성 문제로 누적되는 오류를 피하기 위해 얼마나까지 애너테이션되지 않은 핵산 서열을 직접 유사 블록 탐지에 사용할 수 있는가?

주요 결과

• Sibelia는 표준 데스크톱에서 31개의 *S. aureus* 게놈을 31분 내에, 59개의 *E. coli* 게놈을 107분 내에 처리하여 높은 확장성을 입증한다.
• 이 도구는 한 개의 게놈 내에서 발생하는 내유전자 반복과 여러 게놈 간에 공유되는 간유전자 유사 블록을 동시에 탐지할 수 있다.
• 유사 블록은 계층적이고 다중 분해능 구조로 표현되어 다양한 해상도 수준에서 분석이 가능하다 (예: k = 15, 25, 50).
• 다른 도구에서 흔히 발생하는 스레딩 병목 현상을 피하기 위해 서열 수정 알고리즘을 사용하여 그래프를 직접 단순화하는 방법을 채택한다.
• 이론적 분석을 통해 더 높은 k-값에서의 de Bruijn 그래프의 비분기 경로가 낮은 k-값 그래프의 경로와 대응됨을 확인하여 다양한 해상도 수준 간 일관성을 보장한다.
• 유전자 애너테이션의 일관성 문제로 인한 오류 전파를 줄이기 위해 원시 핵산 서열을 직접 분석할 수 있도록 지원한다.