[论文解读] Aligning sequence reads, clone sequences and assembly contigs with BWA-MEM

Heng Li|DROPS (Schloss Dagstuhl – Leibniz Center for Informatics)|Mar 16, 2013

Cell Image Analysis Techniques被引用 5,235

一句话总结

BWA-MEM 是一种新的比对算法，能够处理从 70 bp 到数百万碱基的读取和 contigs，自动在局部比对与端到端比对之间切换，并支持嵌合与成对读的映射，速度和准确性均良好。

ABSTRACT

Summary: BWA-MEM is a new alignment algorithm for aligning sequence reads or long query sequences against a large reference genome such as human. It automatically chooses between local and end-to-end alignments, supports paired-end reads and performs chimeric alignment. The algorithm is robust to sequencing errors and applicable to a wide range of sequence lengths from 70bp to a few megabases. For mapping 100bp sequences, BWA-MEM shows better performance than several state-of-art read aligners to date. Availability and implementation: BWA-MEM is implemented as a component of BWA, which is available at http://github.com/lh3/bwa. Contact: [e-mail]

研究动机与目标

• 说明需要一种多功能的比对工具，能够同时处理短读长读、contigs，以及组装改进。
• 开发一种使用 seed-and-extend、包含长的精确匹配和再种子化的比对算法，以稳健地映射不同长度的读取。
• 实现局部与端到端比对之间的自动选择，以减少参考偏倚并处理结构变异。
• 支持成对读的比对，含对缺失命中进行救援以及基于插入片段大小和嵌合读的知情配对。

提出的方法

• 使用 seed-and-extend，并以 supermaximal exact matches (SMEMs) 来作为比对的种子。
• 引入再种子化：当一个 SMEM 太长时，使用覆盖中间碱基且至少出现 k+1 次的最长精确匹配来作为新的种子。
• 贪心地将种子串联成链，并过滤短而被包含在内的链，以减少扩展的浪费。
• 用带状仿射-gap 的动态规划来扩展种子，并应用类似 X-drop 的停止规则，以避免差扩。
• 跟踪以查询端结束的最佳扩展，以自动决定局部 vs 端到端比对。
• 对于成对读比对，在插入大小窗口内用 SW 比对来救援缺失命中，并通过最大化组合分数 S_ij 来配对两端。
• 使用 S_ij 以及带有对数 4 转换的插入大小概率项并配合上限 U 来计算 S_ij。

Figure 1: Percent mapped reads as a function of the false alignment rate under different mapping quality cutoff. Alignments with mapping quality 3 or lower are excluded. An alignment is wrong if after correcting clipping, its start position is within 20bp from the simulated position. $10^{6}$ pairs

实验结果

研究问题

• RQ1 BWA-MEM 是否能够在广泛的长度谱（70 bp 到数 Mb）上准确地映射测序读取并对齐 contigs？
• RQ2 该算法是否能够在局部与端到端比对之间自动选择，以在保持比对质量的同时尽量减少参考偏倚？
• RQ3 在单端和成对端读取的准确性和速度方面，BWA-MEM 相对于最先进的比对工具的表现如何？
• RQ4 在存在结构变异或错组装时，是否有有效的策略来救援缺失命中并正确配对读取？
• RQ5 BWA-MEM 是否能比现有工具更好地识别嵌合读取并扩展到更长的序列？

主要发现

• BWA-MEM 对单端和成对端读取都显示出良好的准确性，分别接近 NovoAlign，并且在 SE 和 PE 上与 GEM/Cushaw2 相当。
• BWA-MEM 在典型数据上运行速度与 GEM 和 Bowtie2 相近，在 650 bp 的长读数据集上大约比 Bowtie2 和 Cushaw2 快六倍。
• 该算法能够处理长读和 contigs，识别嵌合读，这对 contig 比对至关重要。
• 以 SMEMs 做种子、再种子化及链过滤提高种子扩展效率和准确性。
• 端到端 vs 局部比对的决策通过跟踪查询末端扩展质量来实现自动化，在减少参考偏倚的同时避免过多的间隙。
• 在长基因组测试中，BWA-MEM 的结果与 nucmer 相当，但在大基因组上的扩展性更好，尽管 nucmer 在每次比对层面更快。