云之南

风声，雨声，读书声，声声入耳；家事，国事，天下事，事事关心

日志

关于我

云之南

专业背景：计算机科学研究方向与兴趣: JavaEE-Web软件开发, 生物信息学, 数据挖掘与机器学习, 智能信息系统目前工作: 基因组, 转录组, NGS高通量数据分析, 生物数据挖掘, 植物系统发育和比较进化基因组学

文章分类

浅探de novo assembly

2009-11-19 12:49:22| 分类：生物信息学 | 标签： |举报 |字号大中小订阅

下载LOFTER 我的照片书 |

http://blog.sina.com.cn/s/blog_4860086b0100dnos.html

短序列组装几乎是近年来next-generation sequencing最热门的话题。简单来说，就是把基因组长长的序列打断(shotgun sequencing)，因为我们不知道基因组整条序列是如何排列（成一条链，最后成为一条染色体）组合（如何区分不同染色体）的，而我们又无法实现一次把整条长序列完整测序（现在有单子测序可能是一个新的sunlight)。然后，我们通过算法，计算机的帮助，把这些短的序列组装起来成为一条完整有序的序列。

就好比我们有这样一句话：

it is just a hypothesis, so don't be seriously！

假设，我们现在不知道这句话到底是什么，就像我们有一个box，我们抽到一张纸，但没打开，我们把这张纸撕成pieces，当然可能还发生了变化，所有的空格和标点都消失了（魔术！）我们得到：

itis ypo stah the sodo eriou siss ju ntbes sly……

因为我们测了几次，为了增加覆盖度，这样我们能通过高覆盖度而提高置信度：

itis ypo stah the sodo eriou siss ju ntbes sly tis yopth sodon beser beser ssod iti sju……

另外，我们又发明了一种称作为paired-ends的序列测序方法，即两头定长，中间插入片段一定的序列，像这样：

iti*****ahyp sju*****pot the*****don sod*****ser bes*****sly ……

这样我们根据如下图的方法，我们可以把这句话拼回来：

浅探de novo assembly - fhqdddddd - 流浪云南

itisjustahypothesissodontbeseriously

但它不是最终结果，我们根据我们的现有的语法习惯，我们给它们加上空格（gap)和标点（遗漏的关键东西），我们能够还原原话！

但事实它并不简单，因为基因组中含有大量的重复序列（Repeats），多态性变异（Polymorphism），测序错误（Sequencing error)，所以我们可能会把一条序列连成很多路（图论），或者回环等，如velvet：

它们有时不但只是通过简单的统计学算个N50就能得出最佳路线，可能会涉及到复杂的纠错和线性化过程。

现有有两条路子，一参考原有参考基因组，我们用map resequencing的方法，来找出consensus，当然我们可以结合RNA sequencing, ChIP sequencing, SNA detection，methyl-seq，CNV detection（以前我认为这是一个不错的出路，但后来因为工作搁置没进一步研究），我们可参考lh3大哥的Maq策略：

浅探de novo assembly - fhqdddddd - 流浪云南

当然，并不是所有的基因组都有参考序列，所以我们还有图论的策略，如velvet，当然现有很多算法和程序已经得到比较满意的结果，如：

* MIRA2 - MIRA (Mimicking Intelligent Read Assembly) is able to perform true hybrid de-novo assemblies using reads gathered through 454 sequencing technology (GS20 or GS FLX). Compatible with 454, Solexa and Sanger data. Linux OS required.

* SHARCGS - De novo assembly of short reads. Authors are Dohm JC, Lottaz C, Borodina T and Himmelbauer H. from the Max-Planck-Institute for Molecular Genetics.

* SSAKE - Version 2.0 of SSAKE (23 Oct 2007) can now handle error-rich sequences. Authors are René Warren, Granger Sutton, Steven Jones and Robert Holt from the Canada's Michael Smith Genome Sciences Centre. Perl/Linux.

* VCAKE - De novo assembly of short reads with robust error correction. An improvement on early versions of SSAKE.

* Velvet - Velvet is a de novo genomic assembler specially designed for short read sequencing technologies, such as Solexa or 454. Need about 20-25X coverage and paired reads. Developed by Daniel Zerbino and Ewan Birney at the European Bioinformatics Institute (EMBL-EBI).

但，我们的数学家生物信息学家完全沉溺在算法改进，可改来改过，从未见过一个版本的short reads assembly能站出来说，“这个版本是最准确的！”

其实，我认为算法不是瓶劲，而是计算资源，计算成本，并行计算的实现！当然人们说，我们有Grid，有super computer，有集群，有cloud，可这些战斗机，并没有而且没必要用在只用跑车就能运行的基因组组装上。

从物理的角度上思考，我们并不需要建立复杂的模型，就比我们去学一门外星语言，of course我们不能与之交流，这就是一个解码过程。我们可以通过统计，了解并发现其中的自然规律（只要是事件都有固有规律，语言更是），我们可以知道其单词（当然可能是声音、光、触觉、肢体语言、脑电波，anyway不管什么表达方式）的出现频率，停顿时间，语调（可能是光强度，色度等），然后，通过外部事物的接触，我们就能知道其“语意”，并创造我们的“单词”、“句子”，好比婴儿学语（人工智能范畴）。它们其实就是个熵、焓计算，因为自然本身是有规律的，只期待着我们去发现！那么，我们可以把这样的统计模型放在assembly上，应该是通用的，我们可以建立一个并行计算中心，我们不用什么for(）{}语句，就一个计算交由一个CPU（GPU）让它去运行，算出我们的最大似然值，熵极值，那就是答案！

评论这张

转发至微博

阅读(1696)| 评论(0)

历史上的今天

this.p={  m:2,
              b:2,
              loftPermalink:'',
              id:'fks_083065087085083075092095086095085094087074093087083071',
              blogTitle:'浅探de novo assembly',
              blogAbstract:'<div\><P style=\"TEXT-INDENT: 2em;\"  \><A rel=\"nofollow\" href=\"http://blog.sina.com.cn/s/blog_4860086b0100dnos.html\"  \>http://blog.sina.com.cn/s/blog_4860086b0100dnos.html</A\></P\>  <P style=\"TEXT-INDENT: 2em;\"  \>  <TABLE cellSpacing=\"0\" cellPadding=\"0\" width=\"100%\"  border=\"0\" \>  <TBODY\>  <TR\>  <TD\><WBR\><WBR\><WBR\><WBR\><WBR\><WBR\><WBR\></TD\>  <TD vAlign=\"top\" align=\"right\" width=\"250\" \></TD\></TR\></TABLE\></P\>  <P style=\"TEXT-INDENT: 2em;\"  \> <WBR\> <WBR\> <WBR\> 短序列组装几乎是近年来next-generation sequencing最热门的话题。简单来说，就是把基因组长长的序列打断(shotgun sequencing)，因为我们不知道基因组整条序列是如何排列（成一条链，最后成为一条染色体）组合（如何区分不同染色体）的，而我们又无法实现一次把整条长序列完整测序（现在有单子测序可能是一个新的sunlight)。然后，我们通过算法，计算机的帮助，把这些短的序列组装起来成为一条完整有序的序列。</P\>  <P style=\"TEXT-INDENT: 2em;\"  \> <WBR\> <WBR\> <WBR\> <WBR\>就好比我们有这样一句话：</P\>  <P style=\"TEXT-INDENT: 2em;\"  \> <WBR\> </P\></div\>',
              blogTag:'',
              blogUrl:'blog/static/186991542009101904922370',
              isPublished:1,
              istop:false,
              type:0,
              modifyTime:1317062821922,
              publishTime:1258606162370,
              permalink:'blog/static/186991542009101904922370',
              commentCount:0,
              mainCommentCount:0,
              recommendCount:0,
              bsrk:-100,
              publisherId:0,
              recomBlogHome:false,
              currentRecomBlog:false,
              attachmentsFileIds:[],
              vote:{},
              groupInfo:{},
              friendstatus:'none',
              followstatus:'unFollow',
              pubSucc:'',
              visitorProvince:'',
              visitorCity:'',
              visitorNewUser:false,
              postAddInfo:{},
              mset:'000',
              mcon:'',
              srk:-100,
              remindgoodnightblog:false,
              isBlackVisitor:false,
              isShowYodaoAd:true,
              hostIntro:'专业背景：计算机科学                           \n\n研究方向与兴趣: JavaEE-Web软件开发,\n生物信息学, 数据挖掘与机器学习, 智能信息系统                                                                \n目前工作: 基因组, 转录组, NGS高通量数据分析, 生物数据挖掘, 植物系统发育和比较进化基因组学',
              hmcon:'1',
              selfRecomBlogCount:'0',
              lofter_single:'<iframe width="140" height="560" style="overflow:hidden;" src="http://www.lofter.com/mailEntry.do?blogad=1&blog" frameBorder="0"></iframe>'
            }

{list a as x}
    {if !!x}
    <div class="iblock nbw-fce nbw-f40">
      <a class="fc03 noul" target="_blank" hidefocus="true" href="http://blog.163.com/${x.visitorName}/">
      {if x.visitorName==visitor.userName}
      <img alt="${x.visitorNickname|escape}" onerror="this.src=location.f40" class="cwd bdwa bdc0" src="${fn1(x.visitorName)}&r=${visitor.imageUpdateTime}"/>
      {else}
      <img alt="${x.visitorNickname|escape}" onerror="this.src=location.f40" class="cwd bdwa bdc0" src="${fn1(x.visitorName)}"/>
      {/if}
      </a>
      <div class="cwd vname thide">
        {if x.moveFrom=='wap'}
          <a class="noul pnt" target="_blank" href="http://blog.163.com/services/wapblog.html?frompersonalbloghome"><span title="来自网易手机博客" class="iblock wapIcon"> </span></a>
        {elseif x.moveFrom=='iphone'}
          <a class="noul pnt" target="_blank"><span title="来自iPhone客户端" class="iblock iphoneIcon"> </span></a>
        {elseif x.moveFrom=='android'}
          <a class="noul pnt" target="_blank"><span title="来自Android客户端" class="iblock androidIcon"> </span></a>
        {elseif x.moveFrom=='mobile'}
          <a class="noul pnt" target="_blank" href="http://blog.163.com/services/emsblog.html?frompersonalbloghome"><span title="来自网易短信写博" class="iblock wapIcon"> </span></a>
        {/if}
        <a class="fc03 m2a"  target="_blank" hidefocus="true" href="http://blog.163.com/${x.visitorName}/">
          ${fn(x.visitorNickname,8)|escape}
        </a>
      </div>
    </div>
    {/if}
    {/list}

<#--最新日志，群博日志--> <#--推荐日志-->

<p class="fc06">推荐过这篇日志的人：</p>
    <div>
      {list a as x}
      {if !!x}
      <div class="iblock nbw-fce nbw-f40">
        <a class="fc03 noul" target="_blank" hidefocus="true" href="http://blog.163.com/${x.recommenderName}/">
        <img alt="${x.recommenderNickname|escape}" onerror="this.src=location.f40" class="cwd bdwa bdc0" src="${fn1(x.recommenderName)}"/>
        </a>
        <div class="cwd thide">
          <a class="fc03 m2a" target="_blank" hidefocus="true" href="http://blog.163.com/${x.recommenderName}/">
            ${fn(x.recommenderNickname,6)|escape}
          </a>
        </div>
      </div>
      {/if}
      {/list}
    </div>
    {if !!b&&b.length>0}
    <p  class="fc06">他们还推荐了：</p>
    <ul>
    {list b as y}
      {if !!y}
        <li class="rrb"><span class="iblock">·</span><a class="fc03 m2a" target="_blank" href="http://blog.163.com/${y.recommendBlogPermalink}/?from=blog/static/186991542009101904922370">${y.recommendBlogTitle|escape}</a></li>
      {/if}
    {/list}
    </ul>
    {/if}

<#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇，下一篇--> <#-- 热度 -->

{list a as x}
    {if !!x}
    <div class="hotItem iblock nbw-fce nbw-f40">
      <a class="fc03 noul" target="_blank" hidefocus="true" href="http://blog.163.com/${x.publisherUsername}/">
      {if x.publisherUsername==visitor.userName}
      <img alt="${x.publisherNickname|escape}" onerror="this.src=location.f40" class="cwd bdwa bdc0" src="${fn1(x.publisherUsername)}&r=${visitor.imageUpdateTime}"/>
      {else}
      <img alt="${x.publisherNickname|escape}" onerror="this.src=location.f40" class="cwd bdwa bdc0" src="${fn1(x.publisherUsername)}"/>
      {/if}
      </a>
      <div class="cwd vname thide">
        <a class="fc03 m2a"  target="_blank" hidefocus="true" href="http://blog.163.com/${x.publisherUsername}/">
          ${fn(x.publisherNickname,8)|escape}
        </a>
      </div>
      <a class="f-myLikeIcons hottype {if x.type==1} js-liketype{elseif x.type==2} js-reblogtype{elseif x.type==3} js-sharetype{else}{/if}" target="_blank" hidefocus="true" href="http://blog.163.com/${x.publisherUsername}/"> </a>
    </div>
    {/if}
    {/list}

<#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->

页脚

我的照片书 - 手机博客 - 下载LOFTER APP - 订阅此博客

云之南

导航

日志

浅探de novo assembly

历史上的今天

最近读者

热度

评论

页脚