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) .

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, основанные на .

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
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?)
Euler-sr	454, Solexa	Chaisson, MJ. et al.	2008	2008	NC-A
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
Newbler	454, Sanger	454/Roche	2009	2009	C
SOPRA	Illumina, SOLiD, Sanger, 454	Dayarian, A. et al.	2010	2011	OS	ссылка
SOAPdenovo	Solexa	Li, R. et al.	2009	2009	OS
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. 22 января 2022 года.
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. 25 августа 2014 года.