更高效的PacBio长read纠错算法的研究

中文摘要

第三代PacBio测序技术的长read已越来越广泛的应用于各类测序项目中，而降低其约15%的错误率是必要的计算步骤。当前各类纠错算法可把长read的错误率降至1%，但也存在着一些问题。（1）针对各类算法碱基保留率较低的问题，我们提出研究基于短read contig的高碱基保留率算法，拟通过构建加权有向图和定义解决组合优化问题，来精确找到contig到长read的正确比对结果。（2）针对基于短read拼接的算法缺少chimeric错误纠错功能的问题，我们提出研究基于短read contig的chimeric错误纠错算法，拟通过比较长短read对长read和contig的支持度，来区分两者的chimeric错误。（3）针对自纠错算法对长read覆盖度要求太高的问题，我们提出研究覆盖度要求适中的长read自纠错算法，拟通过索引和比对长read的k-mer，来保证大量重复区域比对的运行时间。

英文摘要

The long reads from the third generation PacBio sequencing technology have been more and more widely used in various sequencing projects, and an important computational step is reducing the about 15% error rate of the reads. The current three types of error correction algorithms based on short reads, based on short read assemblies, and with long reads alone can reduce the error rate to 1%, but still have some problems. (1) To resolve the problem that all the current algorithms have relatively low rate of maintained bases after correction, we propose to study a high base maintenance rate algorithm based on contigs assembled from short reads. The algorithm will precisely find the alignments between contigs assembled from short reads and the long reads, by constructing a weighted directed graph and defining and solving a combinatorial optimization problem. (2) To resolve the problem that the current algorithms based on short read assemblies do not have the correction function targeting chimeric errors, we propose to study a chimeric error correction algorithm also based on contigs assembled from short reads. The algorithm will distinguish between chimeric errors from the long reads and the contigs, by comparing the long and short read supports upon the long reads and the contigs, respectively. (3) To resolve the problem that the current algorithm with long reads alone requires very high long read coverage, we propose to study a moderate coverage requirement algorithm. The algorithm will align repetitive regions to each other with reasonable runtime, by indexing and aligning k-mers from the long reads.

结题摘要

结题摘要

PacBio公司的第三代单分子实时测序技术已经被越来越广泛的应用于各类基因组测序项目之中，但是这一技术生成的长读长有15%左右的错误率，且包含导致错误拼接的嵌合错误。我们主要研究PacBio长读长的纠错算法，取得了以下三方面的研究成果。（1）长读长的高通量纠错算法HALC：该算法借助于与长读长来自同一物种的短读长和其拼接所得的重叠群对长读长纠错，取得了比其它纠错算法高6.7-41.1%的通量。（2）基于参考基因组和长短读长的重叠群错误拼接检测算法ReMILO：该算法综合使用来自相似物种的参考基因组和长读长来检测和纠正重叠群的错误拼接，以及长读长的嵌合错误，可以比其它算法多检测出11.6-98.5%的错误拼接。（3）长读长的快速、高通量自纠错算法HALS：该算法对当前最快速的长读长自纠错算法MECAT进行改进，取得了比MECAT高28.1-230.2%的通量。我们共发表3篇高水平论文，包括以项目负责人为第一作者和通讯作者的1区SCI期刊论文一篇和2区SCI期刊论文一篇，以及以项目负责人为第一作者的顶级会议子会论文一篇。

更高效的PacBio长read纠错算法的研究相关推荐

Funnel-Transformer：让Transformer更高效地处理长序列
论文标题: Funnel-Transformer: Filtering out Sequential Redundancy for Efficient Language Processing 论文作者 ...
混合和可扩展的纠错算法，用于长读的插入缺失和替换错误
混合和可扩展的纠错算法,用于长读的插入缺失和替换错误 Arghya Kusum Das, 萨彦·高斯瓦米( Sayan Goswami) 李基成& 承钟公园 BMC基因组学卷 20,产品编号 ...
Bi-level error correction for PacBio long reads. PacBio长读数的两级纠错
Bi-level error correction for PacBio long reads. PacBio长读数的两级纠错作者: Liu Yuansheng; Lan Chaowang; Blu ...
基于 PacBio 测序数据的纠错算法评测与剪切位点识别研究
基于 PacBio 测序数据的纠错算法评测与剪切位点识别研究摘要高通量测序技术的产生和发展催生了许多大规模基因测序项目, 如国际千人基因组计划. 英国 UK10K 计划以及中国的百万人群基因组 ...
hutool的定时任务不支持依赖注入怎么办_设计一个任务调度算法，时间轮算法，比优先队列更高效...
当年我还是个学生的时候,有一次去参加欢聚时代的一个面试,有一道面试题记忆尤新,让你来实现一个定时任务,你会怎么做?为了简化问题,我们只用考虑内存方案,不用考虑数据持久化. 数组法最简单的,我们可以把 ...
[Poj 2187] 计算几何之凸包(二) {更高效的算法}
{ 承上一节继续介绍点集的凸包 (下文中所有凸包若不做特殊说明均指点集的凸包) 这一节介绍相比更高效的算法 } ========================================= ...
最常用的10个Matlab快捷键，助你编程更高效
本文转载:最常用的10个Matlab快捷键,助你编程更高效目录 1. 屏蔽大段程序:Ctrl+r 2. 自动对齐程序:Ctrl+i 3. 直接跳至某行:Ctrl+g 4. 设置标签:Ctrl+F2 ...
【小睿精选·第四期】谷歌开源更快、更高效的 TensorFlow 运行时 TFRT
[小睿精选] [小睿精选]第四弹来啦,本期共收录6条嵌入式资讯信息,希望可以帮到你.欢迎大家在文末留言,唠一唠你关注的话题,说不定下期就有你想要的惊喜! 1.中科蓝讯与阿里"平头哥" ...
【开源SPL】列存数据仓库怎样更高效
写在前面很多数据仓库产品都采用了列式存储.如果数据表的总列数很多而计算涉及的列很少,采用列存就只读取需要的列即可,能够减少硬盘访问量,提高性能.特别是数据量非常大时,硬盘扫描和读取的时间占比很大,这 ...

更高效的PacBio长read纠错算法的研究

更高效的PacBio长read纠错算法的研究

更高效的PacBio长read纠错算法的研究相关推荐

最新文章

热门文章