Velvet拼接软件

✍ dations ◷ 2025-03-07 11:07:14 #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

  • 性(genus,英语: gender)在语法中是指一个名词或代词的类别,以及形容词、冠词或动词在与名词或代词搭配时发生的屈折变化。性对于名词或代词来说是一种分类,而对于形容词、冠词或动
  • 默克诊疗手册默沙东诊疗手册(英语:Merck Manual of Diagnosis and Therapy),是一本医学教科书,属于《默克手册》的一部分,该手册由制药公司默沙东在美国和加拿大的子公司默克出版公司发行。默
  • 专利师专利师,是一项依据《专利法》及《专利师法》而设置的专门职业头衔,主要业务依据前项两法规定,可代理执行专利相关业务。自2007年7月11日由总统华总一义字第09600089611号令制定
  • 盖特威克机场盖特威克机场(英语:Gatwick Airport;IATA代码:LGW;ICAO代码:EGKK),又译盖威克机场及格域机场,是英国伦敦的一个机场。以乘客流量计算,盖特威克机场是英国第二大机场(仅次于伦敦希思罗机
  • 苏日国界战争苏日边界冲突是指从1938年—1945年间,苏联与日本之间的一系列边界冲突。在占领满洲国及朝鲜半岛后,日本转而有意夺取对苏联领土,日本皇军与苏联红军因而在中国东北频繁地爆发冲
  • 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
  • 从众行为从众或从众行为(英语:Conformity)是一种社会、信念、态度跟随群体规范的行为。规范即是内在、不明文规定,由一般个人组成的群体组成,他们可互相影响。从众的趋势可由小群体到社会
  • 长椅长椅(bench)是长型可以让多人同时坐在上面的椅子,若是可以移动的无靠背木制长椅,多半会称为长凳。早期的长椅是木制的,但也有些是由金属、石头或是其他合成材料所制。许多长椅有
  • 穆罕默德·布瓦吉吉穆罕默德·布瓦吉吉(阿拉伯语:محمد البوعزيزي‎,拉丁转写:Mohamed Bouazizi,1984年3月29日-2011年1月4日),突尼斯贫民,靠摆地摊为生。2010年12月17日,他在摆摊时受到警察
  • 萨瓦语萨瓦语又称萨伏伊语(法语:Savoyard;意大利语:savoiardo)是法兰克-普罗旺斯语的一种方言,使用者位于法国的萨瓦省和上萨瓦省,瑞士的瓦莱州,意大利的瓦莱达奥斯塔大区的奥斯塔。萨瓦语