[论文解读] Sensitive Long-Indel-Aware Alignment of Sequencing Reads

Tobias Marschall, Alexander Sch|arXiv (Cornell University)|Mar 14, 2013

Genomics and Phylogenetic Studies参考文献 33被引用 6

一句话总结

本文提出了一种新颖的读长比对工具，通过结合全局与局部锚点搜索及统计上可靠的评分模型，在检测长达50 bp或更长的插入缺失方面实现了高灵敏度。该工具在正确比对含有中等及长插入缺失的读长方面优于BWA、Bowtie2和Stampy，尤其在GATK重对齐后，展现出更优的正确比对端点识别能力，并显著减少了错误映射。

ABSTRACT

The tremdendous advances in high-throughput sequencing technologies have made population-scale sequencing as performed in the 1000 Genomes project and the Genome of the Netherlands project possible. Next-generation sequencing has allowed genom-wide discovery of variations beyond single-nucleotide polymorphisms (SNPs), in particular of structural variations (SVs) like deletions, insertions, duplications, translocations, inversions, and even more complex rearrangements. Here, we design a read aligner with special emphasis on the following properties: (1) high sensitivity, i.e. find all (reasonable) alignments; (2) ability to find (long) indels; (3) statistically sound alignment scores; and (4) runtime fast enough to be applied to whole genome data. We compare performance to BWA, bowtie2, stampy and find that our methods is especially advantageous on reads containing larger indels.

研究动机与目标

• 解决标准比对工具在高通量测序数据中检测长插入缺失（>50 bp）方面的局限性。
• 提升含有结构变异（尤其是插入和缺失）的读长的比对灵敏度与准确性。
• 开发一种方法，通过结合全局与局部锚点搜索，稳健识别所有可能的比对结果，包括长插入缺失的比对。
• 提供一种统计上可靠的比对评分模型，以减少假阳性结果并改善映射质量估计。

提出的方法

• 该方法采用四步流程：通过BWA对读长前缀和后缀进行全局锚点搜索（M=50），在BWA识别的比对区域附近进行局部锚点搜索，以检测额外的潜在锚点。
• 应用动态规划算法，计算读长对与参考基因组位点之间的最优比对，整合考虑非仿射间隙成本的真实误差模型。
• 该比对工具对替代比对进行全面搜索，确保不会遗漏任何相关比对，从而增强映射质量估计。
• 评估主比对与最有利比对结果，结果以不同比对质量类别下的累积比例形式报告。
• 该方法设计高效，足以支持全基因组分析，同时保持对长插入缺失的高灵敏度。
• 比对后处理包括GATK风格的重对齐，以进一步优化结果，并在不同工具间进行性能比较。

实验结果

研究问题

• RQ1 与BWA、Bowtie2和Stampy等标准工具相比，该读长比对工具是否能在检测长插入缺失（>50 bp）方面实现更高的灵敏度？
• RQ2 全局与局部锚点搜索的结合在存在结构变异时，如何提升对正确比对端点的检测能力？
• RQ3 非仿射且统计上可靠的评分模型在多大程度上可减少假阳性比对并提升映射质量？
• RQ4 在评估不同插入缺失大小与类型下的比对准确性时，该新比对工具的性能与现有工具相比如何？
• RQ5 引入局部锚点优化是否显著提升了对中等或长插入缺失读长的正确比对恢复能力？

主要发现

• 对于中等大小插入（21–50 bp）的读长，新比对工具在最有利比对类别中实现了60.4%的读长完全正确比对，优于BWA（2.4%）、Bowtie2（0.0%）和Stampy（37.8%）（经GATK处理后）。
• 在长缺失（>50 bp）情况下，新比对工具在最有利类别中实现了53.1%的完全正确比对，而Stampy为4.6%，BWA和Bowtie2则为0.0%（经GATK处理后）。
• 经GATK处理后，新比对工具在长缺失情况下，有81.6%的读长实现正确或近似正确的端点比对（包括至少一个正确端点），显著优于BWA（97.9%累积错误）和Bowtie2（90.1%累积错误）。
• 经GATK重对齐后，新比对工具在长缺失情况下仍保持强劲性能，81.8%的读长实现正确或近似正确比对，优于Stampy的81.6%和Bowtie2的77.5%。
• 该方法在检测正确比对端点方面表现出稳健性，经GATK处理后，长缺失情况下77.5%的读长至少有一个端点正确，优于Bowtie2的77.1%和新比对工具的77.6%。
• 该比对工具显著降低了被分类为‘错误’的读长比例（长缺失情况下仅1.0%），优于BWA的1.7%和Bowtie2的1.5%，表明其可靠性更高。