ポリモルフィズムに強い全ゲノムショットガン配列アセンブラの開発

开发抗多态性的全基因组鸟枪序列组装器

基本信息

批准号：
17018013
负责人：
笠原雅弘
金额：
$ 1.6万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
2005
资助国家：
日本
起止时间：
2005 至无数据
项目状态：
已结题

项目摘要

近年は、ゲノム配列決定方法として全ゲノムショットガン法が主に使われてきた。ゲノムサイズが小さい、ポリモルフィズムが少ない等の条件を満たす生物種に対しては大きな問題が存在していなかったが、モデル生物以外が配列決定の対象となるにつれ、全ゲノムショットガン法ではアセンブルが難しい生物種も配列決定の対象となるようになってきた。このような全ゲノムアセンブリ問題に際しては、ショットガンリード間アラインメントの塩基相違において、シークエンシングエラーとリピート配列間の変異を見分けることが重要であることを見いだし、また見分けるための条件を発見した。米国JGIで得られたナメクジウオゲノム配列のショットガンリード配列を、以前から開発しているRAMENアセンブラを用いて実際にアセンブルし、ハプロタイプ間のポリモルフィズムが従来知られている生物のレベルと比べて非常に大きく、従来知られているアセンブリアルゴリズムではゲノム配列を復元できないことを見いだした。ハプロタイプ間にはショットガンリードの長さを超える挿入・欠失が随所に見られ、比較的多型の少ない種と比べて格段にハプロタイプのマージが難しく、ゲノム配列をリニアなものとして捉えて二つのハプロタイプをマージしマルチプルアラインメントする戦略を適用しては精度の良いアセンブルができないことを見いだした。上記の知見を元に、全ゲノムアセンブリ問題を解くためのアルゴリズムの枠組みを一部再構築し、増大した必要計算量を抑えるべく接尾辞配列と呼ばれるデータ構造を用いた相同性検索法を検討し、ゲノムアセンブリ問題に対してはライトウェイト法と呼ばれる接尾辞配列構築アルゴリズムが最も速度的に適していることを見いだした。また、最終的にアルゴリズムを大規模問題に適用するためには複数の計算機による並列計算が必要であり、並列化のために必要な技術的手法を検討・実装した。

近年来，全基因组鸟枪法主要用作基因组测序的方法。满足基因组小、多态性低等条件的物种并没有什么大问题，但随着非模式生物成为测序对象，用全基因组鸟枪法组装变得困难，生物物种也成为目标。用于测序。对于此类全基因组组装问题，我们发现在鸟枪比对的碱基差异中区分测序错误和重复序列之间的突变非常重要，并且我们还发现了区分它们的条件。我们实际上使用我们已经开发了一段时间的RAMEN组装器组装了在美国JGI获得的文昌鱼基因组序列的鸟枪读序列，发现单倍型之间的多态性明显高于我们之前已知的生物。发现使用传统的组装算法无法重建基因组序列。单倍型之间存在许多超出鸟枪法读取长度的插入和缺失，使得单倍型的合并比多态性相对较少的物种要困难得多，并且很难将基因组序列视为线性序列。合并两个单倍型和多重比对的策略无法产生精确的组装。基于上述知识，我们部分重构了解决全基因组组装问题的算法框架，并考虑使用称为后缀数组的数据结构的同源搜索方法，以抑制所需计算量的增加，我们发现后缀序列。被称为轻量级方法的构建算法在速度方面最适合基因组组装问题。此外，为了最终将该算法应用于大规模问题，需要使用多台计算机进行并行计算，并对并行化所需的技术方法进行了研究和实现。