[论文解读] Barcoding-free BAC Pooling Enables Combinatorial Selective Sequencing of the Barley Gene Space

Stefano Lonardi, Denisa Duma+11 more|arXiv (Cornell University)|Dec 19, 2011

Genomics and Phylogenetic Studies参考文献 37被引用 3

一句话总结

该论文提出了一种无需DNA条形码的组合池化策略，用于选择性测序大麦和水稻的BAC克隆，利用池化模式编码BAC身份，通过计算分配实现短读长的精确去卷积。该方法在水稻数据上实现了99.57%的去卷积准确率，在大麦上实现了88%的平均BAC覆盖度，展示了其作为大规模基因丰富克隆从头基因组测序中一种成本效益高、可扩展的DNA条形码替代方案的潜力。

ABSTRACT

We propose a new sequencing protocol that combines recent advances in combinatorial pooling design and second-generation sequencing technology to efficiently approach de novo selective genome sequencing. We show that combinatorial pooling is a cost-effective and practical alternative to exhaustive DNA barcoding when dealing with hundreds or thousands of DNA samples, such as genome-tiling gene-rich BAC clones. The novelty of the protocol hinges on the computational ability to efficiently compare hundreds of million of short reads and assign them to the correct BAC clones so that the assembly can be carried out clone-by-clone. Experimental results on simulated data for the rice genome show that the deconvolution is extremely accurate (99.57% of the deconvoluted reads are assigned to the correct BAC), and the resulting BAC assemblies have very high quality (BACs are covered by contigs over about 77% of their length, on average). Experimental results on real data for a gene-rich subset of the barley genome confirm that the deconvolution is accurate (almost 70% of left/right pairs in paired-end reads are assigned to the same BAC, despite being processed independently) and the BAC assemblies have good quality (the average sum of all assembled contigs is about 88% of the estimated BAC length).

研究动机与目标

• 解决在高通量BAC测序中全面DNA条形码方法在可扩展性和成本方面的局限性。
• 开发一种实用的、无需条形码的替代方法，以高效测序数百至数千个BAC克隆。
• 实现在不依赖唯一条形码的情况下，对短读长进行精确的去卷积，以追溯到单个BAC克隆。
• 通过组合池化和第二代测序技术，实现高质量的逐克隆BAC组装。
• 在模拟水稻数据和真实大麦BAC数据上验证该方法的可行性与准确性。

提出的方法

• 采用组合池化设计创建BAC克隆的交叉池，其中每个BAC以独特的池组合存在。
• 使用第二代测序技术对每个池单独测序，生成的短读长继承池化模式作为其标识符。
• 通过计算去卷积流程，基于读长被检测到的池的交集，将其分配到其来源BAC。
• 将每个BAC的去卷积读长使用Velvet或SOAPDenovo等组装工具进行逐克隆组装。
• 利用基于哈希的算法（例如HashFilter）加速并提高去卷积的准确度。
• 通过组合数学优化池化设计，以最小化歧义并最大化BAC的唯一识别能力。

实验结果

研究问题

• RQ1 组合池化能否以成本效益高且可扩展的方式替代大规模BAC测序中的全面DNA条形码？
• RQ2 与条形码相比，利用池化模式能否实现对短读长的高精度去卷积以追溯到其来源BAC克隆？
• RQ3 通过去卷积后逐克隆重建获得的BAC组装质量如何？
• RQ4 该方法在真实大麦BAC数据上的表现与模拟水稻数据相比如何？
• RQ5 当扩展到数千个BAC克隆时，该方法能否保持高读长分配准确率和高质量组装？

主要发现

• 在模拟水稻数据上，去卷积准确率达到99.57%，即99.57%的读长被正确分配到其来源BAC。
• 在真实大麦数据中，69.7%的配对末端读长对被分配到同一个BAC，表明尽管处理独立，仍具有高度一致性。
• 平均BAC组装覆盖了88%的估计BAC长度，证明了高质量的克隆特异性重建。
• 对于整个大麦基因组（2,197个BAC），该方法实现了25.3%的读长利用率和相对于目标大小56.6%的拼接片段总长度。
• 该方法通过消除对单个条形码的需求，显著降低了测序成本和复杂性，同时保持了高准确度。
• 该方法在合成水稻数据和真实大麦数据上均得到验证，显示出在不同数据集上的一致性能。