Сборка генома

Сборка генома — процесс объединения большого количества коротких фрагментов ДНК (ридов) в одну или несколько длинных последовательностей (контигов и скаффолдов) в целях восстановления последовательностей ДНК хромосом, из которых возникли эти фрагменты в процессе секвенирования.

Перекрывающиеся фрагменты образуют контиги, контиги с промежутками известной длины образуют скаффолды.

Сборка генома является очень сложной вычислительной задачей, в частности, осложнённой тем, что геномы часто содержат большое количество одинаковых повторяющихся последовательностей (так называемые геномные повторы). Эти повторы могут быть длиной в несколько тысяч нуклеотидов, а также встречаться в тысяче различных мест в геноме. Особенно богаты повторами большие геномы растений и животных, в том числе геном человека.

Алгоритмические подходы

Существует два подхода для сборки геномов — основанный на перекрытии overlap-layout-consensus (применяется для длинных фрагментов), а также основанный на графах де Брёйна (применяется для коротких фрагментов) [1][2].

Overlap-Layout-Consensus

При секвенировании методом дробовика все ДНК организма сначала разрезают на миллионы маленьких фрагментов до 1000 нуклеотидов в длину. Затем алгоритмы сборки генома рассматривают полученные фрагменты одновременно, находя их перекрытия (overlap), объединяя их по перекрытиям (layout) и исправляя ошибки в объединённой строке (consensus). Данные шаги могут повторяться несколько раз в процессе сборки.

Данный подход был наиболее распространён для сборки геномов до появления секвенирования следующего поколения.

Графы де Брёйна

С развитием технологий секвенирования следующего поколения получение фрагментов стало на порядок дешевле, но размер фрагментов стал меньше (до 150 нуклеотидов), а количество ошибок при чтении фрагментов увеличилось (до 3 %). При сборке таких данных получили распространение методы[3], основанные на графах де Брёйна.

Доступные сборщики

Список популярных геномных сборщиков:

Название Поддерживаемые технологии Авторы Представлен Обновлён Лицензия* Домашняя страница
ABySS Solexa, SOLiD Simpson, J. et al. 2008 2011 NC-A ссылка
ALLPATHS-LG Solexa, SOLiD Gnerre, S. et al. 2011 2011 OS ссылка
CLC Genomics Workbench Sanger, 454, Solexa, SOLiD CLC bio 2008 2010 C ссылка
Euler Sanger, 454 (,Solexa ?) Pevzner, P. et al. 2001 2006 (C / NC-A?) ссылка
Euler-sr 454, Solexa Chaisson, MJ. et al. 2008 2008 NC-A ссылка
IDBA Sanger,454,Solexa Yu Peng, Henry C. M. Leung, Siu-Ming Yiu, Francis Y. L. Chin 2010 2010 (C / NC-A?) ссылка
MIRA Sanger, 454, Solexa Chevreux, B. 1998 2011 OS ссылка
Newbler 454, Sanger 454/Roche 2009 2009 C ссылка
SOPRA Illumina, SOLiD, Sanger, 454 Dayarian, A. et al. 2010 2011 OS ссылка
SOAPdenovo Solexa Li, R. et al. 2009 2009 OS ссылка
SPAdes Illumina, Solexa Bankevich, A et al. 2012 2012 OS ссылка
Velvet Sanger, 454, Solexa, SOLiD Zerbino, D. et al. 2007 2009 OS ссылка
Canu PacBio, Oxford Nanopore Koren, S. et al. 2017 2020 OS ссылка
*Licences: OS = Open Source; C = Коммерческая; C / NC-A = Коммерческая, но бесплатна для использования в некоммерческих и научных целях; Скобки = неизвестно, но скорее всего C / NC-A

Примечания

  1. Zhenyu Li et al. Comparison of the two major classes of assembly algorithms: overlap–layout–consensus and de-bruijn-graph (англ.) // Briefings in Functional Genomics : journal. — 2012. Vol. 11, no. 1. P. 25—37. doi:10.1093/bfgp/elr035.
  2. Miller J. R., Koren S., Sutton G. Assembly algorithms for next-generation sequencing data (англ.) // Genomics : journal. Academic Press, 2010. Vol. 95, no. 6. P. 315—327.
  3. Pavel A. Pevzner, Haixu Tang, Michael S. Waterman. An Eulerian path approach to DNA fragment assembly (англ.) // Proceedings of the National Academy of Sciences of the United States of America : journal. — 2001. Vol. 98, no. 17. P. 9748—9753. doi:10.1073/pnas.171285098.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.