de bruijnグラフを用いたロングリード用ゲノムアセンブラの開発

使用 de bruijn 图开发长读长基因组组装器

基本信息

批准号：
22H02598
负责人：
伊藤武彦
金额：
$ 11.07万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22H02598/
关键词：
ゲノムアセンブル de bruijnグラフ

项目摘要

本年度は期初に立てた予定に従い、以下の３点を主に実施した。(1) まず、本研究課題の鍵となる精度の高いリードデータを入力とする、de bruijnグラフアルゴリズムを用いたcontigグラフおよびバブル構造の接合点となるbranchグラフの構築アルゴリズ開発を実施した。この機能は、すでにPlatanus-alleeアセンブラで実装されているアルゴリズムをもとに、今後HiFiリードを入力とできるようにサイズの大きなk-merに対応できるよう、内部構造を全面的に作り替えることで実現した。(2) Longread、Hi-Cデータを用いたcontig, branchグラフのscaffolding, phasing機能の開発を実施した。(1)で得られたグラフに対し、Longread,Hi-Cデータをマッピング、アライメントを行い、そのスコアを用いてcontig, branchグラフの架橋を構築する。この機能自体はPlatanus-alleeにも存在したが、Platanus-alleeではIllumina PE, MPをメインに取り扱っていたためLongreadはあくまでも補助的な位置付けであった。そこでエラー率の比較的高いLongreadを用いて精度高くscaffoldingするためのベンチマークテストなどを多くのケースで実施し、精度向上や今まで無視されてきたrepeat配列を介したグラフ構造の解決アルゴリズムなどの組み込みを実施した。同時にphasing機能の実装も開始した。(3) 上記機能開発におけるベンチマークのための実シークエンスデータの取得を実施した。ゲノムサイズ、ヘテロ接合性、Hi-Cデータの取得しやすさなどを考慮し、魚、植物サンプルを中心にPacBio(CLR, HiFi)、Illumina PE, Hi-Cデータの取得を実施し、ベンチマークに活用した。

今年，根据定于财政年度开始的时间表，我们主要实施了以下三分。（1）首先，我们开发了一种算法来构建一个分支图，该算法使用de bruijn图算法在重叠群图和气泡结构之间用作接线点，该算法使用了高度准确的读取数据，这是该研究主题的关键。通过完全重塑内部结构以容纳大型K-MER，以便将来可以根据已在Platanus-Allee汇编器中实现的算法来实现此功能。（2）我们使用LongRead和Hi-C数据为重叠群和分支图开发了脚手架和相位函数。长阅读和HI-C数据与在（1）中获得的图进行映射并对齐，分数用于构造重叠群和分支图的交联。该功能本身存在于Platanus-Allee中，但Platanus-Allee主要处理Illumina PE和MP，因此LongRead只是一个补充位置。因此，我们已经使用LongRead进行了基准测试以准确地脚手架，而LongRead在许多情况下具有相对较高的错误率，并结合了算法，例如通过重复阵列提高准确性和解析图形结构，这些阵列一直被忽略到现在为止。同时，也已经开始实施相集函数。（3）在上述功能开发中获取实际序列数据以进行基准测试。考虑到HI-C数据的基因组大小，杂合性和易于获取的易用性，我们收购了PACBIO（CLR，HIFI），Illumina PE和HI-C数据，主要来自鱼类和植物样品，并将其用作基准。