[논문 리뷰] TaSer (TabAnno and SeqMiner): a toolset for annotating and querying next-generation sequence data

Xiaowei Zhan, Dajiang J. Liu|arXiv (Cornell University)|2013. 06. 24.

Genomics and Phylogenetic Studies참고 문헌 7인용 수 4

한 줄 요약

TaSer (TabAnno 및 SeqMiner)는 탭으로 구분된 파일을 사용하여 다음 세대 시퀀싱(NGS) 데이터를 주석 처리하고 질의하는 가벼운, 효율적인 도구 세트입니다. TabAnno는 변이를 전처리하고 주석을 달며, 색인화된 프로젝트 파일을 생성합니다. SeqMiner는 R 패키지로서 데이터베이스 시스템이 필요 없이 대규모 데이터셋에서 빠르고 복잡한 질의를 수행할 수 있게 하며, 중간 수준의 컴퓨팅 자원에서도 뛰어난 성능을 발휘합니다.

ABSTRACT

Summary: We develop TaSer (TabAnno and SeqMiner), a toolkit for annotating and querying next generation sequence (NGS) dataset in tab-delimited files. TabAnno is a powerful and efficient command-line tool designed to pre-process sequence data, annotate variations and generate an indexed feature-enriched project file that can integrate multiple sources of information. Using the project file generated by TabAnno, complex queries to the sequence dataset can be performed using SeqMiner, an R-package designed to efficiently access large datasets. Extracted information can be conveniently viewed and analyzed by tools in R. TaSer is optimized and computationally more efficient than software using database systems. It enables annotating and querying NGS dataset using moderate computing resource. Availability and implementation: TabAnno can be downloaded from github (zhanxw.github.io/anno/). SeqMiner is distributed on CRAN (cran.r-project.org/web/packages/seqminer). Contact: X.Z. ([e-mail]) D.J.L ([e-mail])

연구 동기 및 목표

• 기존의 데이터베이스 시스템에 의존하는 NGS 데이터 분석 도구들이 자원을 많이 소비하고 계산적으로 비효율적인 문제를 해결하기 위해.
• 다양한 원천의 게놈 주석을 통합하고 질의할 수 있는 확장성 있고 경량의 솔루션을 제공하기 위해.
• 제한된 컴퓨팅 자원을 가진 연구자가 대규모 NGS 데이터에서 복잡한 질의를 수행할 수 있도록 하기 위해.
• 모듈러한 명령줄 및 R 기반 파이프라인을 통해 원시 시퀀스 데이터에서 주석 처리되고 질의 준비가 된 데이터셋으로의 워크플로우를 단순화하기 위해.
• 데이터베이스 오버헤드를 피하고 파일 기반 색인을 활용하여 게놈 데이터 분석의 성능과 사용성을 향상시키기 위해.

제안 방법

• TabAnno는 탭으로 구분된 형식의 원시 NGS 데이터를 처리하여 다양한 자료원을 활용해 유전자 변이를 주석 처리합니다.
• 유전자 주석과 시퀀스 정보를 통합한 기능 풍부한 색인화된 프로젝트 파일을 생성합니다.
• 프로젝트 파일은 빠른 랜덤 액세스와 효율적인 질의 해결을 지원하도록 설계되어 있습니다.
• SeqMiner는 R 패키지로서 색인화된 프로젝트 파일에 액세스하여 대규모 NGS 데이터셋에서 복잡한 질의를 수행합니다.
• 질의 실행은 R의 데이터 분석 기능을 활용하여 통계 및 시각화 도구와의 통합을 가능하게 합니다.
• 전체 파이프라인이 기존의 데이터베이스 시스템을 회피하여 계산 오버헤드를 줄이고 표준 하드웨어에서 성능을 향상시킵니다.

실험 결과

연구 질문

• RQ1 가벼운 파일 기반 시스템이 데이터베이스에 의존하는 도구보다 대규모 NGS 데이터셋 질의에서 뛰어난 성능을 낼 수 있는가?
• RQ2 TabAnno와 같은 명령줄 도구가 변이를 얼마나 효율적으로 주석 처리하고 다중 원천의 게놈 데이터를 통합할 수 있는가?
• RQ3 SeqMiner가 데이터베이스 백엔드 없이도 상호작용적이고 고성능의 NGS 데이터 질의를 얼마나 잘 지원할 수 있는가?
• RQ4 이 도구 세트는 자원이 제한된 환경에서 스케일러블성을 유지하면서도 효과적으로 배포될 수 있는가?
• RQ5 TaSer의 성능은 기존의 데이터베이스 기반 NGS 분석 도구와 비교해 속도와 자원 사용 측면에서 어떻게 다른가?

주요 결과

• TaSer는 데이터베이스 시스템을 회피함으로써 계산적 효율성을 확보하여 표준 하드웨어에서도 빠른 질의 처리를 가능하게 합니다.
• TabAnno가 생성한 색인화된 프로젝트 파일은 주석 처리된 NGS 데이터에 대한 빠른 액세스와 복잡한 질의를 지원합니다.
• SeqMiner는 R의 통계 및 시각화 도구와의 원활한 통합을 가능하게 하여 후속 분석을 쉽게 합니다.
• 특히 자원이 제한된 환경에서 데이터베이스 기반 대안보다 계산적으로 더 효율적인 도구 세트입니다.
• TabAnno는 다양한 자료원을 하나의 질의 준비가 된 주석 파일로 성공적으로 통합하여 데이터의 사용성을 향상시켰습니다.
• 전체 파이프라인이 오픈소스 소프트웨어로 제공되며, TabAnno는 GitHub에, SeqMiner는 CRAN에 배포되어 있어 광범위한 접근성과 재현 가능성을 확보하고 있습니다.