[논문 리뷰] SparseAssembler2: Sparse k-mer Graph for Memory Efficient Genome Assembly

Chengxi Ye, Charles H. Cannon외 3명|arXiv (Cornell University)|2011. 08. 17.

DNA and Biological Computing인용 수 3

한 줄 요약

SparseAssembler2는 메모리 효율적인 디 novo 게놈 어셈블리의 전통적인 de Bruijn 그래프를 대체하는 새로운 희소 k-mer 그래프 데이터 구조를 도입한다. 정보성 있고 겹치지 않는 k-mer만 선택적으로 저장하고, 읽기 정렬을 통해 이를 연결함으로써 메모리 사용량을 줄이며, 시퀀싱 오류와 다형성에 대한 내성을 확보하는 Dijkstra 유사 탐색을 통해 견고한 어셈블리가 가능해지며, 반복적인 노이즈 제거를 필요로 하지 않아 최신 기술 대비 최대 90%의 메모리 절감을 달성한다.

ABSTRACT

The formal version of our work has been published in BMC Bioinformatics and can be found here: http://www.biomedcentral.com/1471-2105/13/S6/S1 Motivation: To tackle the problem of huge memory usage associated with de Bruijn graph-based algorithms, upon which some of the most widely used de novo genome assemblers have been built, we released SparseAssembler1. SparseAssembler1 can save as much as 90% memory consumption in comparison with the state-of-art assemblers, but it requires rounds of denoising to accurately assemble genomes. In this paper, we introduce a new general model for genome assembly that uses only sparse k-mers. The new model replaces the idea of the de Bruijn graph from the beginning, and achieves similar memory efficiency and much better robustness compared with our previous SparseAssembler1. Results: We demonstrate that the decomposition of reads of all overlapping k-mers, which is used in existing de Bruijn graph genome assemblers, is overly cautious. We introduce a sparse k-mer graph structure for saving sparse k-mers, which greatly reduces memory space requirements necessary for de novo genome assembly. In contrast with the de Bruijn graph approach, we devise a simple but powerful strategy, i.e., finding links between the k-mers in the genome and traversing following the links, which can be done by saving only a few k-mers. To implement the strategy, we need to only select some k-mers that may not even be overlapping ones, and build the links between these k-mers indicated by the reads. We can traverse through this sparse k-mer graph to build the contigs, and ultimately complete the genome assembly. Since the new sparse k-mers graph shares almost all advantages of de Bruijn graph, we are able to adapt a Dijkstra-like breadth-first search algorithm to circumvent sequencing errors and resolve polymorphisms.

연구 동기 및 목표

• 큰 또는 복잡한 게놈에서 스케일업이 제한되는 de Bruijn 그래프 기반 게놈 어셈블러의 높은 메모리 소비 문제를 해결하기 위해.
• 이전 도구인 SparseAssembler1에서 사용된 반복적인 노이즈 제거 단계의 필요성을 제거하여 정밀도와 효율성을 향상시키기 위해.
• de Bruijn 그래프의 장점을 유지하면서도 메모리 사용량을 극적으로 줄이는 새로운 희소 k-mer 기반 게놈 어셈블리 모델을 개발하기 위해.
• 읽기 매핑으로 연결된 최소한의 겹치지 않는 k-mer만을 사용하여 정확하고 효율적인 게놈 어셈블리가 가능하도록 하여 계산 가능성을 향상시키기 위해.

제안 방법

• 모든 k-mer를 저장하지 않고, 읽기에 등장하는 k-mer들만 선택적으로 저장함으로써 저장 오버헤드를 줄이는 희소 k-mer 그래프를 구성한다.
• k-mer 간의 연결은 읽기에서의 동시 존재 여부에 기반하여 설정되며, 간선은 공통 읽기 지원을 나타낸다.
• 희소 k-mer 그래프를 탐색하기 위해 Dijkstra 유사 너비 우선 탐색 알고리즘을 사용하여, 높은 신뢰도 경로를 우선순위로 삼아 시퀀싱 오류를 해결한다.
• 다수의 읽기로 지지되는 경로를 선호함으로써 오류 보정 기능을 통합하여 시퀀싱 노이즈에 대한 내성을 향상시킨다.
• 다형성은 그래프에서 분기 경로를 탐지하고, 탐색 중에 가장 많은 지지를 받는 분기를 선택함으로써 해결한다.
• 모든 k-mer를 de Bruijn 그래프에 저장하는 대신, 전체 게놈 재구성에 충분한 희소한 부분집합에 집중함으로써 저장 효율성을 확보한다.

실험 결과

연구 질문

• RQ1 de Bruijn 그래프에 모든 k-mer를 저장하지 않으면서도 어셈블리 정확도와 효율성을 유지할 수 있는 게놈 어셈블리 방법을 설계할 수 있는가?
• RQ2 반복적인 노이즈 제거나 오류 보정 단계에 의존하지 않고, 디 novo 게놈 어셈블리에서 메모리 사용량을 어떻게 줄일 수 있는가?
• RQ3 겹치지 않는 k-mer를 사용하는 희소 k-mer 그래프가 de Bruijn 그래프의 구조적 및 위상적 장점을 어느 정도 유지할 수 있는가?
• RQ4 Dijkstra 유사 탐색 전략이 희소 k-mer 그래프에서 시퀀싱 오류와 다형성을 효과적으로 해결할 수 있는가?
• RQ5 게놈 재구성에 k-mer의 부분집합만을 사용할 경우, 메모리 효율성과 어셈블리 정확도 사이의 상호 교환 관계는 어떠한가?

주요 결과

• 희소 k-mer 그래프 모델은 최신 기술 대비 최대 90%까지 메모리 사용량을 줄여 스케일업 가능성을 크게 향상시켰다.
• 반복적인 노이즈 제거 단계가 필요 없어 이전 버전인 SparseAssembler1과 달리 정확도를 높이기 위해 계산 오버헤드를 감수하지 않아도 되는 견고한 어셈블리가 가능했다.
• Dijkstra 유사 탐색 알고리즘이 고카운트 경로를 우선시함으로써 시퀀싱 오류를 효과적으로 완화하여 더 정확한 컨티그 재구성에 기여했다.
• 읽기 동시 존재를 활용해 신뢰할 수 있는 k-mer 연결을 수립함으로써, 게놈 재구성에서 높은 민감도와 특이도를 유지했다.
• 읽기 지지에 기반한 분기 경로 탐지 및 처리를 통해 다형성 레지온을 포함한 복잡한 영역의 정확한 어셈블리가 가능했다.
• Windows 및 Linux 환경 모두에서 구현 가능하여 실제 유전체 분석 파이프라인에 실용적으로 구현 가능함을 입증했다.