[논문 리뷰] Near-optimal RNA-Seq quantification

Nicolas Bray, Harold Pimentel외 2명|arXiv (Cornell University)|2015. 01. 01.

Genomics and Phylogenetic Studies참고 문헌 1인용 수 127

한 줄 요약

이 논문은 가상정렬(pseudoalignment)을 사용하여 정렬되지 않은 리드로부터 전사체 농도를 신속하게 추정하는 near-optimal한 RNA-Seq 정량 방법인 kallisto를 소개한다. 이 방법은 최신 기술과 비교해 유사한 정확도를 달성하면서도 표준 랩톱에서 3000만 개의 페어드 엔드 리드를 5분 이내에 처리하여 RNA-Seq 분석 워크플로우를 크게 가속화한다.

ABSTRACT

(Uploaded by Plazi for the Bat Literature Project) We present a novel approach to RNA-Seq quantification that is near optimal in speed and accuracy. Software implementing the approach, called kallisto, can be used to analyze 30 million unaligned RNA-Seq reads in less than 5 minutes on a standard laptop computer while providing results as accurate as those of the best existing tools. This removes a major computational bottleneck in RNA-Seq analysis.

연구 동기 및 목표

• 시간이 오래 소요되는 정렬 단계로 인해 발생하는 RNA-Seq 분석의 계산적 병목 현상을 해결하기 위해.
• 완전한 리드 정렬을 요구하지 않으면서도 near-optimal한 정확도를 달성하는 방법을 개발하기 위해.
• 표준 하드웨어에서 사용 가능한 빠르고 확장 가능하며 재현 가능한 정량을 가능하게 하기 위해.
• 다양한 생물학적 상황, 예를 들어 유사유전자 및 앨레르르 특이적 발현을 포함한 상황에서도 높은 정확도를 유지하기 위해.
• 모든 결과와 그림를 재현할 수 있도록 Snakefile를 제공하여 재현 가능성을 지원하기 위해.

제안 방법

• 이 방법은 완전한 정렬을 하지 않고도 리드를 전사체에 신속하게 매핑하기 위해 가상정렬을 사용하여 계산 오버헤드를 줄인다.
• 전사체의 Burrows-Wheeler 변환 기반 인덱스를 사용하여 리드가 전사체와 호환되는지 신속하게 쿼리할 수 있도록 한다.
• 리드의 전사체 호환성에 기반하여 반복적으로 표현 수준 추정치를 개선하는 기대최대화(EM) 알고리즘을 사용하여 전사체 농도를 추정한다.
• 리드의 정확한 정렬 위치가 아니라 전사체와의 호환성만 중요하다는 사실을 활용한다.
• 불확실성 추정을 위해 부트스트랩 리샘플링을 사용하며, 재현 가능성과 통계적 탄력성에 중점을 둔다.
• 표준 랩톱에서도 효율적으로 실행되도록 구현되어 대규모 RNA-Seq 데이터셋의 인터랙티브 분석을 가능하게 한다.

실험 결과

연구 질문

• RQ1 완전한 리드 정렬을 요구하지 않으면서도 near-optimal한 정확도를 달성할 수 있는 방법이 존재하는가?
• RQ2 다양한 데이터셋에서 기존 도구와 비교해 제안된 방법의 속도와 정확도는 어떻게 비교되는가?
• RQ3 이중유전자 및 앨레르르 특이적 발현과 같은 어려운 상황에서도 이 방법이 정량 정확도를 유지할 수 있는가?
• RQ4 표준 하드웨어에서 대규모 데이터셋에 대해 속도와 정확도를 유지하면서 얼마나 잘 확장될 수 있는가?
• RQ5 표준화된 워크플로우를 사용하여 결과를 재현할 수 있는가? 그리고 도구는 재현 가능성을 어떻게 지원하는가?

주요 결과

• kallisto는 표준 랩톱에서 정렬되지 않은 페어드 엔드 RNA-Seq 리드 3000만 개를 5분 이내에 처리하여 기존 도구보다 빠른 속도를 보였다.
• 정렬 기반 방법과의 비교를 통해 검증된 결과, 이 방법은 최고의 기존 도구와 유사한 정량 정확도를 달성했다.
• 이중유전자 분석 및 앨레르르 특이적 발현 정량과 같은 복잡한 상황에서도 높은 정확도를 유지했다.
• 부트스트랩 리샘플링을 통해 신뢰할 수 있는 불확실성 추정치를 제공했으며, 제공된 Snakefile를 사용해 결과를 재현할 수 있었다.
• 가상정렬의 사용으로 near-optimal한 속도를 확보하면서도 정확도를 유지하여 RNA-Seq 분석의 주요 병목 현상을 효과적으로 제거했다.
• 다양한 데이터셋, 특히 SEQC-MAQCIII 인간 샘플에서의 성능이 뛰어나 실제 응용에서의 신뢰성을 확인했다.