[论文解读] DUDE-Seq: Fast, flexible, and robust denoising of nucleotide sequences

Byunghan Lee, Taesup Moon+2 more|arXiv (Cornell University)|Nov 16, 2015

Genomics and Phylogenetic Studies参考文献 60被引用 3

一句话总结

DUDE-Seq 是一种快速、灵活且鲁棒的核苷酸序列去噪方法，利用离散无记忆信道模型校正替换错误和同聚物插入/缺失错误。该方法在错误校正精度和计算效率方面优于现有方法，且可通过更新噪声模型适配多种测序平台。

ABSTRACT

We consider the correction of errors from nucleotide sequences produced by next-generation sequencing. The error rate in reads has been increasing with the shift of focus of mainstream sequencers from accuracy to throughput. Denoising in high-throughput sequencing is thus becoming a crucial component for boosting the reliability of downstream analyses. Our methodology, named DUDE-Seq, is derived from a general setting of reconstructing finite-valued source data corrupted by a discrete memoryless channel and provides an effective means for correcting substitution and homopolymer indel errors, the two major types of sequencing errors in most high-throughput sequencing platforms. Our experimental studies with real and simulated data sets suggest that the proposed DUDE-Seq not only outperforms existing alternatives in terms of error-correction capabilities, and time efficiency, but also boosts the reliability of downstream analyses. Further, the flexibility of DUDE-Seq enables us to robustly apply it to different sequencing platforms and analysis pipelines by a simple update of the noise model. [availability: this http URL]

研究动机与目标

• 为应对由于测序从准确性转向吞吐量而导致的错误率持续上升的挑战。
• 开发一种对高通量测序中两种主要错误类型（替换错误和同聚物插入/缺失错误）均有效的去噪方法。
• 创建一种在保持高精度的同时，相比现有方法实现更优时间效率的方法。
• 通过支持简单的噪声模型更新，确保在多种测序平台上的鲁棒性。

提出的方法

• DUDE-Seq 源自一种用于重建被离散无记忆信道污染的有限值源数据的通用框架。
• 它将测序错误建模为离散无记忆信道中的状态转移，从而实现对替换错误和同聚物插入/缺失错误的合理校正。
• 该方法采用基于似然的重建方法，基于观测到的噪声读取序列和噪声模型，估计最可能的原始序列。
• 通过更新噪声模型，无需修改核心算法即可灵活适配不同测序平台。
• 该算法通过利用局部上下文信息并最小化计算开销，实现高效运行。
• 其设计可轻松集成到各种分析流程中，且仅需极少的配置更改。

实验结果

研究问题

• RQ1 如何有效对核苷酸序列进行去噪，以提高高通量测序中下游分析的可靠性？
• RQ2 与现有方法相比，DUDE-Seq 在校正替换错误和同聚物插入/缺失错误方面的性能如何？
• RQ3 在实现更优错误校正性能的同时，DUDE-Seq 在多大程度上保持了高速度和低计算成本？
• RQ4 DUDE-Seq 是否能够通过极少的重新配置，灵活应用于多种测序平台？
• RQ5 DUDE-Seq 如何提升下游分析（如变异检测或序列拼接）的准确性？

主要发现

• 在真实和模拟数据集上，DUDE-Seq 在替换错误和同聚物插入/缺失错误的错误校正精度方面均优于现有去噪方法。
• 该方法在时间效率方面取得显著提升，可实现对高通量测序数据的更快处理。
• DUDE-Seq 通过减少假阳性并提高变异检测的准确性，增强了下游分析的可靠性。
• DUDE-Seq 的灵活性使其可通过简单的噪声模型更新，无缝适配不同测序平台。
• 实验结果表明，DUDE-Seq 在多种测序技术和分析流程中均表现出稳健性能。