第二代高通量測序技術(shù)使用的DNA裝配工具

瀏覽次數(shù)：11784　發(fā)布日期：2010-8-16　來源：本站　僅供參考，謝絕轉(zhuǎn)載，否則責(zé)任自負(fù)

第二代高通量測序儀實(shí)現(xiàn)了較廉價(jià)和快速的DNA測序方法，但是它們有一個(gè)共同的缺點(diǎn)即讀出序列（reads）太短，大約在幾十個(gè)bp到幾百個(gè)bp。與生物的染色體長度相比，這樣長度的reads給下一步的裝配工作帶來麻煩�？此品N類繁多的生物界其實(shí)只使用4種核苷酸，分別為A,T,G,C。這意味著DNA序列中會(huì)有數(shù)量極為龐大的片段存在重復(fù)的序列。

因此裝配過程中有時(shí)很難判斷短reads在原序列中的位置，reads A可以放到C，D，E等多個(gè)位點(diǎn)上，reads B看似可以放在D，G，H等位點(diǎn)上。這類的工作靠手工無法完成，需要使用計(jì)算機(jī)按照一定的規(guī)則和要求來裝配reads。

下面介紹一些非設(shè)備生產(chǎn)廠商提供的裝配軟件和特點(diǎn)。

1. 軟件名：Cross_match，作者：Phil Green, Brent Ewing and David Gordon

網(wǎng)址：

CROSS_MATCH用于蛋白質(zhì)和核酸的序列對(duì)照，使用Smith-Waterman-Gotoh算法。通過對(duì)遞歸關(guān)系的改進(jìn)提高了運(yùn)行效率。適用于1. 按照參照序列為reads排序。2. 比較由不同的方法得到的重疊群（contig）。3. 比較完成裝配后重疊群和粘粒（cosmid）的序列。

2. 軟件名：Exonerate ，作者：Guy S. Slater and Ewan Birney

網(wǎng)址：

采用啟發(fā)式漸進(jìn)算法完成排序運(yùn)算，避免了遍歷耗時(shí)長的缺點(diǎn)，同時(shí)也解決了啟發(fā)漸進(jìn)算法難以執(zhí)行的問題。

3. 軟件名：MAQ，作者：Heng Li

網(wǎng)址：

MAQ依照參照序列對(duì)reads快速裝配，推斷出包括SNPs、插入、刪除在內(nèi)的各種變體。在排序階段，首先按照最低的錯(cuò)配值（mismatch score）搜索無空隙的排列。為提高速度MAQ只采用在前28bp中最多存在2個(gè)錯(cuò)配的reads。

MAQ在設(shè)計(jì)時(shí)就考慮處理人類DNA序列的需要，對(duì)硬件要求低筆記本電腦就可以輕松運(yùn)行。為了便于查看結(jié)果，MAQ同時(shí)提供一個(gè)基于OpenGL的瀏覽工具M(jìn)AQview。

4. 軟件名：Mosaik，作者：Michael Strömberg and Gabor Marth

網(wǎng)址：

MOSAIK能夠讀取范圍較廣的reads從幾十bp到上百bp，按照Smith-Waterman算法，依據(jù)模板產(chǎn)生有空隙的排列。另外，MOSAIK支持多線程運(yùn)行，最多可有8個(gè)CPU�？梢匀嬷С�3大主流測序儀Roche 454, Illumina, AB SOLiD，試驗(yàn)性地支持Helicos。

5. 軟件名：BWA，作者：Li H. and Durbin R

網(wǎng)址：

Burrows-Wheeler Aligner (BWA)允許采用較長的參考序列，而排列相對(duì)較短的核苷酸序列。BWA執(zhí)行2種算法BWA-Short和BWA-SW。BWA-Short適用于短于200bp的reads，后者適用于大約100kbp的長度。兩者均能排列出有空隙的序列，雖然BWA-SW也能工作于較短的reads，但是它的敏感度較低，反之亦然。

DNA裝配工具種類繁多，以上介紹了幾種比較典型的。此外還有RMAP，SHRiMP，SOAP，SSAHA2，SXOligoSearch等等，限于文章的篇幅這里就不一一介紹了。

那么如何選擇一種適合自己需要的軟件呢？涉及到以下幾種因素。

1. 系統(tǒng)運(yùn)行時(shí)間，圖一是幾種軟件對(duì)不同長度reads排序的時(shí)間消耗。

圖一（By Bala et al）

2. 系統(tǒng)硬件的要求，下圖是軟件消耗內(nèi)存大小的比較。

圖二（By Bala et al）

3. 準(zhǔn)確度上的差異，比較結(jié)果見下圖。

圖三（By Bala et al）

4. 是否能從事查找SNPs、SV等方面的工作。

5. Solexa，454，SOLiD測序結(jié)果的輸出格式并不相同，注意有所區(qū)別。很少有一款軟件可以支持所有格式的。

reads的裝配還牽涉到另一個(gè)至今未妥善解決的問題。我們把基因組的長序列打斷（shortgun method），因?yàn)椴恢勒麠l基因組序列是如何排列、如何區(qū)分來自不同染色體的reads。同時(shí)現(xiàn)有的技術(shù)又不允許一次測完整條基因組序列。必須按照一定的算法，使用計(jì)算機(jī)高速計(jì)算的能力把這些短序列組裝起來還原成原來的序列（de novo assembly）。

因?yàn)闆]有參照序列，很可能組裝后的序列與原序列大相徑庭。一種稱作為paired-end的序列測序方法給出具有固定間距的reads。如下：

It is a very long human genome, so much longer than E.Coli’s.

It i*****ery *****huma*****ome,*****uch *****r th*****Coli***

一個(gè)聰明的辦法，卻沒解決所有的難題。因?yàn)榛蚪M中含有大量的重復(fù)序列（repeats），多態(tài)性變異（Polymorphism），測序錯(cuò)誤（Sequencing error)，一條序列存在很多可能的路（圖論），或者回環(huán)等。見下圖。