[논문 리뷰] The Hydrostructure: a Universal Framework for Safe and Complete Algorithms for Genome Assembly

Massimo Cairo, Shahbaz Khan외 4명|arXiv (Cornell University)|2020. 11. 25.

Genomics and Phylogenetic Studies참고 문헌 57인용 수 5

한 줄 요약

이 논문은 조립 그래프에서 산책의 도달 가능성 성질을 모델링하여 안전하고 완전한 게놈 조립 알고리즘을 통합하고 일반화하는 새로운 그래프 프레임워크인 하이드로스트럭처를 소개한다. 이는 다양한 게놈 조립 모델에서 안전한 산책의 최적의 검증, 열거, 향상된 열거를 가능하게 하며, 간단한 YES-증명서를 제공하고 이론적 보장을 바탕으로 이전 결과를 실용적인 모델로 확장한다.

ABSTRACT

Genome assembly is a fundamental problem in Bioinformatics, requiring to reconstruct a source genome from an assembly graph built from a set of reads (short strings sequenced from the genome). A notion of genome assembly solution is that of an arc-covering walk of the graph. Since assembly graphs admit many solutions, the goal is to find what is definitely present in all solutions, or what is safe. Most practical assemblers are based on heuristics having at their core unitigs, namely paths whose internal nodes have unit in-degree and out-degree, and which are clearly safe. The long-standing open problem of finding all the safe parts of the solutions was recently solved [RECOMB 2016] yielding a 60% increase in contig length. This safe and complete genome assembly algorithm was followed by other works improving the time bounds, as well as extending the results for different notions of assembly solution. But it remained open whether one can be complete also for models of genome assembly of practical applicability. In this paper we present a universal framework for obtaining safe and complete algorithms which unify the previous results, while also allowing for easy generalisations to assembly problems including many practical aspects. This is based on a novel graph structure, called the hydrostructure of a walk, which highlights the reachability properties of the graph from the perspective of the walk. The hydrostructure allows for simple characterisations of the existing safe walks, and of their new practical versions. Almost all of our characterisations are directly adaptable to optimal verification algorithms, and simple enumeration algorithms. Most of these algorithms are also improved to optimality using an incremental computation procedure and a previous optimal algorithm of a specific model.

연구 동기 및 목표

• 기존의 안전하고 완전한 게놈 조립 알고리즘을 하나의 확장 가능한 프레임워크로 통합하고 일반화하기.
• 기본적인 아크 커버링 산책 모델을 초월하여 실용적인 게놈 조립 모델에서 완전성을 달성하는 오랫동안 열려있던 문제를 해결하기.
• 기존의 금지된 구조(즉, NO-증명서)에 기반한 연구에서 부족했던 간단한 YES-증명서를 제공하기.
• k-안전, F-가시성, E-커버링 모델을 포함한 다양한 조립 모델에서 안전한 산책의 효율적 검증 및 열거를 가능하게 하기.
• 하위집합 가시성 및 증분 계산과 같은 실용적 시나리오로의 이론적 안전성 특성화를 확장하기.

제안 방법

• 산책의 끝점에서의 전방 및 후방 도달 가능성 집합을 정의함으로써 하이드로스트럭처를 구성하여 그래프 내 산책의 도달 가능성 성질을 포괄한다.
• 전방 및 후방 도달 가능성의 교차인 '강(river)'을 도입하여 하이드로스트럭처의 핵심을 형성한다.
• F-가시성 모델에서 가시 인접성과 도달 가능성 사용, 여기서는 안전성 계산에 대해 부분집합 F에 속한 아크들만 고려한다.
• 흐름 기반 알고리즘을 활용하여 최소 산책 커버 크기가 임계값 k를 초과하는지 검증함으로써 O(mn) 시간 내에 k-안전 특성화를 가능하게 한다.
• 증분 계산 절차를 통해 R⁺(W), R⁻(W), 및 산책 커버 크기와 같은 핵심 구성 요소를 O(m²) 시간 내에 유지함으로써 효율적 열거를 가능하게 한다.
• 하이드로스트럭처는 표준 컷의 개념을 일반화하여 다양한 산책 커버링 모델에서 안전성 분석을 더 유연하고 강력하게 가능하게 한다.

실험 결과

연구 질문

• RQ1 다양한 모델 간에 안전하고 완전한 게놈 조립 알고리즘을 통합할 수 있는 유니버설 프레임워크를 개발할 수 있는가?
• RQ2 금지된 구조(즉, NO-증명서)에 기반한 이전 연구에서 부족했던, 게놈 조립에서 안전성에 대한 단순한 YES-증명서가 존재하는가?
• RQ3 하이드로스트럭처는 하위집합 가시성 및 증분 계산과 같은 실용적 모델에 적응 가능한가?
• RQ4 다양한 조립 모델 간에 안전한 산책의 검증 및 열거를 어떻게 최적화할 수 있는가?
• RQ5 하이드로스트럭처를 통해 유닛리그를 초월하여 더 넓은 산책 클래스로의 안전성 개념을 일반화할 수 있는가?

주요 결과

• 하이드로스트럭처는 k-안전, E-커버링, F-가시성 모델을 포함한 모든 이전의 안전하고 완전한 게놈 조립 알고리즘을 통합하고 일반화하는 유니버설 프레임워크를 제공한다.
• 프레임워크는 O(m + f) 시간 내에 안전한 산책의 최적 검증을 가능하게 하며, 여기서 f = O(mn)은 최소 산책 커버 크기를 계산하는 데 소요되는 시간이다.
• 안전한 산책의 열거는 O(m²n + mnf) 시간 내에 수행되며, 개선된 열거 알고리즘은 O(mn + o + ng) 시간 내에 수행되며, 여기서 o는 출력 크기이고 g = O(m²)는 산책 커버 크기를 유지하는 데 소요되는 시간이다.
• 하이드로스트럭처는 안전성에 대한 단순한 YES-증명서로 기능하며, 오랫동안 존재 여부가 불명확했던 이러한 증명서의 존재를 해결한다.
• 하위집합 가시성 모델로의 자연스러운 확장이 가능하며 추가 비용 O(mn)이 발생하지만, 모든 모델에서 이론적 최적성을 유지한다.
• 하이드로스트럭처는 컷의 개념을 일반화하여 방향 그래프의 커버링 산책에서 안전성 분석을 더 민첩하고 강력하게 가능하게 한다.