Velvet拼接软件

✍ dations ◷ 2025-07-08 23:04:38 #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

  • 格林-巴利综合征古兰-巴雷综合征(Guillain-Barré syndrome,缩写为GBS),又称基连巴瑞症候群、脱髓鞘多发性神经炎、吉兰-巴雷综合征、古兰-巴雷综合征。是一种因免疫系统损害周围神经系统,而导致的
  • 维管束维管束是指维管植物(包括蕨类植物、裸子植物和被子植物)的维管组织,由木质部和韧皮部成束状排列形成的结构。维管束多存在于茎(草本植物和木本植物幼体)、叶(叶中的维管束又称为叶
  • 丹尼尔·伯努利丹尼尔·伯努利(Daniel Bernoulli,1700年2月8日-1782年3月17日),生于荷兰格罗宁根,著名数学家,约翰·伯努利之子,为伯努利家族代表人物之一。其伯努利定律适用于沿着一条流线的稳定
  • 吉特曼症候群吉特曼氏综合症(英语:Gitelman syndrome),又称吉特曼症候群 ,是一种常染色体隐性肾脏疾病,其特点是低钙(hypocalciuria)、及低镁(hypomagnesemia)之低钾代谢性碱中毒(Metabolic alkalos
  • 肾上腺皮质素糖皮质激素(英语:glucocorticoid;又称葡萄糖皮质激素)是一种肾上腺皮质激素,是由肾上腺皮质中层的束状带分泌的类固醇激素,也可由化学方法人工合成。人体的可的松和皮质醇即属于糖
  • Cryptosporidium parvum小隐胞子虫(学名:Cryptosporidium parvum)是引起隐胞子虫病的其中一种病原寄生虫,主要寄生在哺乳动物的肠道。感染的主要途径是饮用了含小隐胞子虫卵囊(Oocysts)的水所引起。在
  • 抛物面抛物面是二次曲面的一种。抛物面有两种:椭圆抛物面和双曲抛物面。椭圆抛物面在笛卡儿坐标系中的方程为:双曲抛物面在笛卡儿坐标系中的方程为:当a = b时,曲面称为旋转抛物面,它可
  • 胡安·达里恩佐胡安·达里恩佐(Juan D`Arienzo,1900年12月14日-1976年1月14日),最伟大的阿根廷探戈音乐作曲家及演奏家之一。为阿根廷探戈音乐舞蹈的发展起到了巨大的推动作用。被称为节拍之王(E
  • 北德广播公司北德广播公司(德语:Norddeutscher Rundfunk,縮寫為NDR)是位于德国汉堡的一个公共广播电视公司,也是德国公共广播联盟的九个加盟公司之一。播出地区包括汉堡、下萨克森州、什列斯
  • 阿比西尼亚獛阿比西尼亚獛(学名:),又名埃塞俄比亚獛,属于獛属动物,主要生存在埃塞俄比亚、厄立特里亚、索马里、苏丹和吉布提。由于对它的理解不是很深,所以在IUCN红色名录内属于数据不足的类型