纳米孔测序高错误区域恢复率高达99%，肖传乐/刘奕志/王建新等在Nature子刊发表新校正组装算法

纳米孔测序高错误区域恢复率高达99%，肖传乐/刘奕志/王建新等在Nature子刊发表新校正组装算法 

2021-01-07 15:54

新基因组组装是基因组学最重要的任务之一。三代测序技术（PacBio和Oxford Nanopore）可解决基因组重复区域的组装难题，提高基因组完整性，已成为基因组组装主流技术。其中，纳米孔（Nanopore）测序技术的迅速发展更使得测序成本显著降低，并且由于其可实现超长读长（高达1Mbp），在复杂基因组组装中具有天然优势。然而，目前Nanopore的测序错误分布广泛（10-30%，图1A），存在高错误局部区域（1000bp中存在50%测序错误，图1B），并且高错误局部区域的发生随着测序读长增加而显著增加（图1C），从而导致超长文库数据中20-30%的序列存在高错误区域。现有的错误校正软件只能通过裁剪的方式剔除高错误局部区域，显著降低了Nanopore序列完整性和组装完整性。

图 1. Nanopore测序错误分布特征

针对Nanopore测序错误特征，中山大学中山眼科中心肖传乐/刘奕志团队和中南大学王建新团队于2021年1月4日在Nature Communications杂志上联合发表题为“Efficient assembly of Nanopore reads via highly accurate and intact error correction”的研究论文，提出了Nanopore渐进式校正组装模型，并开发了相应的软件NECAT。

文章发表在 Nature Communications 上

研究者提出了渐进式序列校正策略，首先选择高精度的序列校正错误率的区域（图2B），之后优选校正后高精度序列校正高错误局部区域，从而保证了序列校正速度和完整性（图2C）；此外，研究者还提出渐进式组装策略，通过校正后高精度的序列组装基因组骨架（图2D），之后通过原始序列提升基因组完整度（图2E），从而保证基因组组装结果的正确性和完整性。研究者将上述模型开发了NECAT软件，开放给国内外其他科研人员，进行长达1年的体验提升。

图2. NECAT校正组装流程图

随后，研究者收集了多种模式生物Nanopore数据集进行性能测试，结果表明：NECAT校正后序列平均精度可达95-98%，可恢复原始数据中99%的高错误局部区域（HERS），从而保留了序列长度完整性（表1）；NECAT组装完整性明显高于同类校正组装软件，且组装错误量显著低于同类软件。另外，研究者将NECAT校正结果与多个组装软件结合使用发现， NECAT校正结果能显著提高其它Nanopore组装软件的组装质量。

表1. NECAT序列错误校正性能评估

最后，研究者完成了视网膜母细胞瘤Nanopore测序，并应用NECAT组装出了完整度较高的母细胞瘤癌症基因组，通过组装结果发现了很多高精度结构变异（SV）位点，其中很多位点都与目前研究报道和功能预测相符（图3）。与原始数据SV检测方法相比，NECAT组装结果检测SV精度显著高于目前SV检测方法。上述结果表明， 通过NECAT序列校正能够显著减少高错误区域所造成的SV假阳性结果。

图3. 视网膜母细胞瘤基因组染色体图谱及SV位点

综上所述，该研究提出的渐进式校正组装方法可以有效解决Nanopore复杂测序错误问题，显著提高了Nanopore数据组装完整性、正确性和数据利用率。另外，通过NECAT序列校正，可以有效降低高错误区域SV的假阳性。

文章第一作者

陈颖博士：中山大学中山眼科中心副研究员，长期从事三代测序基础算法研究，以第一作者在 Nature Methods，Nature Communications， Nucleic Acids Research 等杂志发表多篇文章。

聂藩博士：中南大学计算机学院博士生。主要从事基因组组装算法研究。

谢尚潜博士：海南大学林学院教授，主要从事三代测序数据分析工作。目前以第一或通讯在 Nature Methods, Nature Communications, Nucleic Acids Research，Horticulture Research 等杂志发表论文20余篇。

文章通讯作者

王建新：中南大学计算机学院教授、博士生导师、计算机学院院长。IEEE高级成员、国务院学位委员会第七届学科评议组成员（计算机科学与技术组），国家973计划前期研究专项项目“信息处理算法及物理实现”首席科学家。主要研究方向计算机算法与优化、网络优化理论、大数据应用、深度学习、生物信息学、虚拟实验环境等。在 Nature Communications、Genome Research、Medical Image Analysis 等国际刊物和会议上发表论文200余篇。

肖传乐：中山大学中山眼科中心副研究员、硕博士生导师、广东省杰出青年基金获得者，长期从事三代测序前沿技术开发及应用研究。主持开发了三代测序组装方法MECAT，MECAT2，NECAT和三代测序表观修饰检测方法DeepMod，在 Nature Methods，Molecular Cell和Nature Communications 等杂志上发表论文40余篇。