Velvet拼接软件

✍ dations ◷ 2025-04-02 16:41:58 #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

  • 毛巾毛巾,是日用品,一种布质纺织品,长毛,常见用途是洗手之后抹手脚、洗头之后抹头、沐浴之后抹身体,晚餐之后抹嘴等。通过直接接触来吸湿。
  • 年轻太阳黯淡佯谬年轻太阳黯淡佯谬或年轻太阳黯淡问题是描述水在早期的地球历史上出现观测和天文物理学的预期之间明显矛盾的状况。当时,太阳输出的能量仅是现代的70%。这一问题在1972年被天
  • 儒勒·马斯内儒勒·埃米尔·弗雷德里克·马斯内(法语:Jules Émile Frédéric Massenet,1842年5月12日-1912年8月13日),法国作曲家,音乐教育家。最出名的是他的歌剧,他写了三十多首。上演最频繁
  • 血管内皮细胞内皮细胞或血管内皮是一薄层的专门上皮细胞,由一层扁平细胞所组成。它形成血管的内壁,是血管管腔内血液及其他血管壁(单层鳞状上皮)的界面。内皮细胞是沿着整个循环系统,由心脏直
  • 维多利亚大学维多利亚大学可以指:
  • 极性溶剂溶剂是一种可以溶解固体,液体或气体溶质的液体,继而成为溶液。在日常生活中最普遍的溶剂是水。而所谓有机溶剂即是包含碳原子的有机化合物溶剂。溶剂通常拥有比较低的沸点和容
  • 郑寿全郑寿全(1824年-1911年),字钦安,即道光四年生、宣统三年卒,四川邛州人,清末著名伤寒学家,火神派的始祖。郑钦安学医于一代通儒兼名医刘止唐先生。其学术上溯《周易》、《内经》,中得《
  • 公卿公卿是指公家和基于日本律令规定的太政官当中之最高干部职位,即太政大臣、左大臣、右大臣、大纳言、中纳言、参议(或从三位以上(非参议))等高官(总称议政官)。平安时代起称为公卿。
  • 刘佳刘佳(1960年10月17日-),女,黑龙江鹤岗人,中国演员,一级演员。1960年出生于黑龙江省鹤岗市,1978年进入北京电影学院表演系学习。1982年毕业后分配到天津电视台。现为职业演员。
  • 圣玛丽亚圣玛丽亚(英文:Santa Maria),是美国加利福尼亚州圣巴巴拉县下属的一座城市。建市于1905年9月12日,面积 大约为22.76平方英里 (58.9平方公里)。根据2010年美国人口普查,该市有人口9