Складання геному

Складання геному — процес об'єднання великої кількості коротких фрагментів ДНК (рідів) у одну або кілька довгих послідовностей (контигів і скаффолдів) з метою відновлення послідовностей ДНК хромосом, з яких виникли ці фрагменти в процесі секвенування.

Фрагменти, що перекриваються, утворюють контиги, контиги з проміжками відомої довжини утворюють скаффолди.

Складання геному є дуже складною обчислювальною задачею, зокрема, ускладненої тим, що геноми часто містять багато однакових повторюваних послідовностей (так звані геномні повтори). Ці повтори можуть мати довжину кілька тисяч нуклеотидів, а також зустрічатися у геномі в тисячі різних місць. Особливо багаті повторами великі геноми рослин і тварин, зокрема й геном людини.

Алгоритмічні підходи

Існує два підходи для складання геномів — заснований на перекритті overlap-layout-consensus (застосовується для довгих фрагментів), а також заснований на графах де Брейна (застосовується для коротких фрагментів)^[1][2].

Overlap-Layout-Consensus

При секвенуванні методом дробовика всі ДНК організму спочатку розрізають на мільйони маленьких фрагментів довжиною до 1000 нуклеотидів. Потім алгоритми складання геному розглядають отримані фрагменти одночасно, знаходячи їх перекриття (overlap), об'єднуючи їх за перекриттями (layout) і виправляючи помилки в об'єднаному рядку (consensus). Ці кроки в процесі складання можуть повторюватися кілька разів.

Цей підхід до складання геномів був найпоширенішим до появи методів секвенування наступного покоління.

Графи де Брейна

Див. також: Послідовність де Брейна

З розвитком технологій секвенування наступного покоління отримання фрагментів стало на порядок дешевшим, але розмір фрагментів став меншим (до 150 нуклеотидів), а кількість помилок при читанні фрагментів зросла (до 3 %). При складанні таких даних набули поширення методи^[3], засновані на графах де Брейна.

Доступні складальники

Список популярних геномових складальників:

Назва	Підтримувані технології	Автори	Представлений	Оновлений	Ліцензія*	Домашня сторінка
ABySS	Solexa, SOLiD	Simpson, J. та інші	2008	2011	NC-A	посилання
ALLPATHS-LG	Solexa, SOLiD	Gnerre, S. et та інші	2011	2011	OS	посилання
CLC Genomics Workbench	Sanger, 454, Solexa, SOLiD	CLC bio	2008	2010	C	посилання
Euler	Sanger, 454 (, Solexa ?)	Pevzner, P. та інші	2001	2006	(C/NC-A?)	посилання
Euler-sr	454, Solexa	Chaisson, MJ. та інші	2008	2008	NC-A	посилання
IDBA	Sanger, 454, Solexa	Yu Peng, Henry CM Leung, Siu-Ming Yiu, Francis YL Chin	2010	2010	(C/NC-A?)	посилання
MIRA	Sanger, 454, Solexa	Chevreux, B.	1998	2011	OS	посилання
Newbler	454, Sanger	454 / Roche	2009	2009	C	посилання
SOPRA	Illumina, SOLiD, Sanger, 454	Dayarian, A. та інші	2010	2011	OS	посилання
SOAPdenovo	Solexa	Li, R. та інші	2009	2009	OS	посилання
SPAdes	Illumina, Solexa	Bankevich, A та інші	2012	2012	OS	посилання
Velvet	Sanger, 454, Solexa, SOLiD	Zerbino, D. та інші	2007	2009	OS	посилання
Canu	PacBio, Oxford Nanopore	Koren, S. та інші	2017	2020	OS	посилання
* Ліцензії: OS = Open Source; C = комерційна; C/NC-A = комерційна, але безплатна для використання в некомерційних і наукових цілях; в дужках = невідомо, але найпевніше C/NC-A