Сборка генома

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

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.

Сборка генома является очень сложной вычислительной задачей, в частности, осложнённой тем, что геномы зачастую содержат большое количество одинаковых повторяющихся последовательностей (так называемые геномные повторы). Эти повторы могут быть длиной в нескольких тысяч нуклеотидов, а также встречаться в тысячи 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 Брюйна (применяется для коротких фрагментов) ^[1][2].

Overlap-Layout-Consensus

При секвенировании методом дробовика всё 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 повторятся несколько раз в процессе сборки.

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

Графы де Брюйна

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 увеличились (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
*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. (2012). «Comparison of the two major classes of assembly algorithms: overlap–layout–consensus and de-bruijn-graph». Briefings in Functional Genomics 11 (1): 25-37. DOI:10.1093/bfgp/elr035.
2. ↑ Miller JR, Koren S, Sutton G. (2010). «Assembly algorithms for next-generation sequencing data». Genomics 95 (6): 315-327.
3. ↑ Pavel A. Pevzner, Haixu Tang, Michael S. Waterman (2001). «An Eulerian path approach to DNA fragment assembly». PNAS 98 (17): 9748-9753. DOI:10.1073/pnas.171285098.