Velvet拼接软件

✍ dations ◷ 2025-04-03 10:40:07 #生物信息学算法,生物信息学软件,DNA测序

Velvet是处理从头测序()基因组组装及短读长序列比对的一个算法包。这是使用德布鲁因图(英语:de Bruijn graph)通过消调试误和化简重复区域而来进行基因组序列组装。 Geneious、MacVector(英语:MacVector)、BioNumerics(英语:BioNumerics)等商业软件包的内部也实现了Velvet。

第二代定序仪 (NGS)的开发增加了很短读长测序的成本效率。使用德布鲁因图来比对的方法符合实际需求,但进一步的开发需要解决错误和重复的问题。 这促使欧洲生物信息研究所的Daniel Zerbino和尤安·伯尼(英语:Ewan Birney)在英国开发了Velvet。

Velvet可以通过化简和压缩来快速操纵德布鲁因图,而不丢失图的信息,把不相交的路径聚成单个节点。它通过首先使用合并序列的错误校正算法消除了错误消调试误,并解决重读。

将read和read pair组合让Velvet解决小的重复并产生合理长度的重叠序列(英语:contig)。Velvet的应用对双端(测序的)原核生物数据和哺乳动物区域可以产生N50长度 50 kb 的重叠序列。

正如前文所述,Velvet使用德布鲁因图(de Bruijn图)来组装短的读长序列。更具体地讲,Velvet将从读长序列得到的每个不同的k-mer表示为图上的一个唯一的节点。如果两个节点的k-mer有 k-1 个碱基重叠,则两个节点是相连的。换句话说,只有在节点A的k-mer的后 k-1 个碱基与节点B的k-mer的前 k-1 个碱基相同时,节点A和B之间才会有一条弧连接在一起。下图显示了Velvet生成的一个德布鲁因图:

相同的过程也同时作用于所有k-mer的反向互补序列用来考虑相对的链上读长序列重叠的情况。可以对图进行一些优化,包括化简以及消调试误。

节省内存的一个简单方法就是把不影响该图生成的路径下将融合节点,即当节点A只有一个指向节点B的出弧,而节点B又只有一个入弧时,这两个节点可以融合。将他们和他们所有的信息融合之后,就可以用一个节点表示两个了。下图说明了一开始的例子的简化中的此过程。

图中的错误有可能是由于测序过程引起的,或者也有可能是生物样本包含一些错误(例如多态性)。Velvet可以识别三种错误:尖端、气泡;还有错误的连接。

如果一个节点在它其中一端是未连接的,该节点储存的信息量小于2k,并且相对于其他路径的重复度(创建这个图时访问该弧的次数)较低则将其视为尖端。一旦这些错误被清除了,这个图就会再一次地简化。

当两条路径在同一个节点开始和结束时产生气泡。气泡通常是由错误或生物变异引起的。使用旅游巴士算法(与戴克斯特拉算法类似,是一种检测最佳路径并决定哪些应该被删除的广度优先搜索)可以去除这些错误。一个简单的例子如图4所示。

接在图1和2的后面,图5也显示了这个过程。

错误连接是图中不能生成正确路径或不能创建任何可识别结构。Velvet应用必须用户定义的简单的覆盖率截止的旅游巴士算法清除了这些错误。

Velvet提供工下列函数:

在运行完velvetg之后,会生成一些文件。最重要的是,重叠序列(contig)文件中包含长度超过2k的重叠序列,其中k是velveth中用到的字长。

对于更多的细节和例子参见Velvet手册。

目前的DNA测序技术,包括NGS,都限制在基因比任何读长都长。通常NGS处理小于400 bp的短读长片段,每个读长的成本也比之前的第一代机器少很多。在高度并行化的操作下操作简单,产量也高。

但是由于短读长包含的信息少,为了重叠片段可以检测,需要更高的组装读长覆盖率。这反过来增加了测序的复杂度,并显著增加了计算的要求。更多的读长序列增大了重叠图,使之更长、计算更困难了。由于重叠部分的减少,读长序列之间的连接会更加不明显,产生更高的误差可能性。

为了克服这些问题,开发出了高效的动态测序程序,不仅成本效率高,还能解决错误和重复。开发Velvet算法就是为了解决此问题,并在相对较短的计算时间内,使用相比其他拼接软件更少的内存,进行短读长从头测序序列比对。

Velvet的一个主要缺点是使用命令行界面,但用户(尤其是初学者)在对他们的数据实现的时候会遇到困难。 2012年开发出了图形界面来克服这个问题,并简化Velvet的运行。

相关

  • 内阁制议会制又称内阁制、议会民主制(英语:Parliamentary system),是一种政治制度,特点是“议会无上”,政府首脑(总理或首相)权力来自议会,授权有两种途径:第一是议会改选后的多数议席支持,第
  • 碱石灰碱石灰(又称钠石灰)是一种化学混合物,白色或米黄色粉末,用于在全身麻醉、潜艇、换气器和加压舱等封闭呼吸环境中,消除呼吸气体中的二氧化碳,以防止二氧化碳潴留和二氧化碳中毒。碱
  • 河姆渡文化河姆渡文化是分布于中国浙江杭州湾南岸平原地区至舟山群岛的新石器时代文化,其年代大约在距今6000年到7000年之前,因以浙江余姚河姆渡遗址发掘最早,故称作河姆渡文化。该文化最
  • 二五第八第十埃及第二十五王朝(努比亚王朝或埃塞俄比亚王朝)是自前8世纪中期至前7世纪中期统治古埃及的一个王朝,它的君主起源于库施(Kush,亦作“库什”、“古实”;即努比亚,大约位于今
  • 汉斯·盖革约翰尼斯(汉斯)·威廉·盖革(德语:Johannes (Hans) Wilhelm Geiger,1882年9月30日-1945年9月24日),德国物理学家。盖革出生于德国莱茵兰-法尔茨州诺伊施塔特,他的家庭有五个孩子,其父
  • 茱莉·华特丝朱丽亚·玛莉·沃特斯女爵士,DBE(英语:Dame Julia Mary Walters,1950年2月22日-)是一名英格兰女演员及作家。她曾凭在电影《凡夫俗女(英语:Educating Rita (film))》(1983年)中的演出而
  • 广域市广域市(韩语:광역시)是韩国的一级行政区之一,性质类似于汉语圈的直辖市。韩国的广域市,在1995年以前都是中央直辖市,但在朴正熙、全斗焕担任总统时期被停止首长与议会普选,1991年后
  • 公职人员行为失当公职人员行为失当(英文:Misfeasance in public office或Misconduct in public office)是一项在普通法上的罪行,指公职人员在执行公职的过程中或在与其公职有关的情况下,故意作出
  • 鳍龙超目鳍龙超目(学名:Sauropterygia)也作鳍龙总目,其学名意为“蜥蜴的鳍状肢”,是一类非常成功的海生爬行动物,繁盛于中生代。它们因为肩膀的基本适应特征而分类在一起,这特征是为了支撑
  • 2,4,N-三硝基苯氨基乙酸铅2,4,-三硝基苯氨基乙酸铅是一种化合物,化学式为Pb(C8H5N4O8)2。撞击感度>36%。分解产物含铅的氧化物。2,4-二硝基氯苯和氨基乙酸在催化剂下反应,得到2,4-二硝基苯氨基乙酸(产率