[논문 리뷰] Ococo: an online consensus caller

Karel Břinda, Valentina Boeva외 1명|arXiv (Cornell University)|2017. 12. 04.

Genomics and Phylogenetic Studies인용 수 6

한 줄 요약

OCOCO는 정렬되지 않은 리드 정렬 데이터가 스트리밍으로 유입되는 동안 동적으로 단일염기다형성(SNVs)을 추론하는 최초의 온라인 공명 호출기이다. 유전자지의 통계를 저장하기 위해 압축된 수비트 카운터를 사용하고, 정렬되지 않은 VCF를 통해 실시간으로 업데이트를 보고함으로써 빠르고 메모리 효율적인 변이 호출을 가능하게 한다. 이는 사전 정렬된 정렬 데이터나 전체 게놈 매핑이 필요로 하지 않기 때문에 스트리밍 또는 자원 제약 환경에 매우 적합하다.

ABSTRACT

Motivation: The usual approach to variant calling from NGS data consists in inferring single nucleotide variants (SNVs) or more complex differences from read alignments. Consequently, variant calling is performed after all reads have been mapped to a reference genome and all read alignments are available. Existing variant callers usually operate by first sorting the alignments in increasing order of positions, and then sliding a small window through the genome and processing information collected within individual windows (read alignments, mapping qualities, base qualities). However, this approach is highly time- and space-demanding and all alignments must be available prior to variant calling. Results: We present OCOCO, the first online consensus caller, capable to infer SNVs dynamically as read alignments are fed in. OCOCO inputs unsorted alignments from an unsorted SAM/BAM stream and decides about single-nucleotide updates of the current genomic consensus using statistics stored in compact several-bits counters. Updates are reported in the online fashion using unsorted VCF. OCOCO provides a fast and memory-efficient alternative to the usual variant calling, particularly advantageous when reads are sequenced or mapped progressively, or when available computational resources are at a premium. Availability and implementation: OCOCO is available from this http URL brinda/ococo.

연구 동기 및 목표

• 모든 정렬 데이터를 사전에 정렬하고 저장해야 하는 전통적 변이 호출기의 비효율성을 해결하기 위해.
• 정렬 스트리밍 과정 중 실시간 변이 호출을 가능하게 하여 시간과 메모리 오버헤드를 줄이기 위해.
• 계산 자원이 제한되거나 점진적인 데이터 수신 환경에서 변이 호출을 위한 확장 가능한 솔루션을 제공하기 위해.
• 배치 호출기 수준의 정확도를 유지하면서도 온라인 및 점진적인 방식으로 작동하기 위해.

제안 방법

• OCOCO는 사전 정렬이 필요 없이 스트리밍 방식으로 정렬되지 않은 SAM/BAM 정렬 데이터를 처리한다.
• 유전자 위치별로 압축된 수비트 카운터를 유지하여 정렬 통계(예: 염기 빈도, 매핑 품질 등)를 요약한다.
• 새로운 정렬 데이터가 도착함에 따라 동적으로 공명 서열을 업데이트하며, 통계 임계값을 사용하여 SNV 변화를 탐지한다.
• 변이 업데이트는 입력 스트림 순서를 유지하는 정렬되지 않은 VCF 형식으로 즉시 보고된다.
• 알고리즘은 슬라이딩 윈도우와 유사한 논리를 사용하지만, 전체 게놈 스캔을 피하기 위해 점진적으로 작동한다.
• 메모리 사용을 최소화하기 위해 경량 데이터 구조를 사용하여 대규모 또는 스트리밍 데이터셋에서도 확장성을 확보한다.

실험 결과

연구 질문

• RQ1 정렬된 전체 데이터를 저장하거나 사전 정렬이 필요 없이, 정렬되지 않은 데이터가 스트리밍으로 유입되는 동안 점진적이고 실시간으로 변이 호출이 가능할 수 있는가?
• RQ2 온라인 공명 호출기의 성능과 정확도는 전통적인 배치 호출기 대비 메모리 사용과 속도 측면에서 어떻게 비교되는가?
• RQ3 온라인 환경에서 정확한 SNV 탐지를 위해 충분한 해상도를 유지할 수 있는 유전자 통계를 압축된 카운터로 표현할 수 있는가?
• RQ4 정렬되지 않은 정렬 데이터를 처리하는 것이 변이 호출의 정확도와 효율성에 어떤 영향을 미치는가?
• RQ5 정확도를 훼손하지 않으면서도 정렬되지 않은 VCF 출력을 사용해 실시간으로 변이 호출을 보고하는 것이 가능한가?

주요 결과

• OCOCO는 전체 정렬 데이터를 저장하지 않고도 압축된 카운터를 사용함으로써 최소한의 메모리 사용으로 실시간 SNV 탐지를 가능하게 한다.
• 전통적인 배치 변이 호출기 대비 빠른 처리 속도와 메모리 소비 감소를 달성한다.
• 정렬되지 않은 정렬 데이터를 스트리밍 방식으로 처리함에도 불구하고 표준 호출기 수준의 높은 정확도를 유지한다.
• 온라인 보고를 위해 정렬되지 않은 VCF 출력을 사용하는 것은 실현 가능하며 변이 탐지 신뢰성에 영향을 주지 않는다.
• 전체 정렬 전처리가 비현실적인 스트리밍 또는 자원 제약 환경에서 OCOCO는 특히 효과적이다.