seqsizzle: decoding complex barcode and adapter architectures in long-read sequencing data
Het artikel introduceert seqsizzle, een open-source, cross-platform command-line tool geschreven in Rust die de visualisatie, kwaliteitscontrole en probleemoplossing van long-read sequencingdata faciliteert door fuzzy primer matching, aanpasbare highlight-functies en ingebouwde k-mer verrijkingsanalyse mogelijk te maken.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer
Stel je voor dat je een boek probeert te lezen waarin de pagina's zijn gedrukt met een vreemd, verschuivend lettertype, en dat er om de paar woorden een geheime code in de marges is verborgen. Dit is de realiteit voor wetenschappers die werken met een krachtige nieuwe manier om genetisch materiaal te lezen. Jarenlang hebben onderzoekers vertrouwd op machines die DNA in kleine, hanteerbare stukjes hakken om ze te kunnen lezen, maar een nieuwere generatie technologie kan veel langere strengen DNA in één keer lezen. Deze lange strengen zijn als hele hoofdstukken van een boek in plaats van slechts losse zinnen. Ze stellen wetenschappers in staat om het volledere verhaal van een gen te zien, inclusief hoe het wordt aangepast of hoe het zich gedraagt in individuele cellen. Omdat deze machines echter zo nieuw zijn en de strengen zo lang, is de data die ze produceren vaak rommelig. De machines maken kleine fouten, en de genetische strengen zijn vaak voorzien van extra lettersequenties — zoals barcodes en adapters — die de computer vertellen hoe hij de data moet sorteren. Wanneer een streng duizenden letters lang is en verschillende van deze tags bevat, is het bijna onmogelijk om deze met het blote oog te vinden, vooral wanneer de machine onderweg een paar fouten heeft gemaakt. Zonder een duidelijk zicht op deze tags kunnen wetenschappers de data niet goed sorteren of de structuur van het genetische materiaal dat ze bestuderen, begrijpen.
Om dit probleem op te lossen, hebben onderzoekers Changqing Wang, Matthew E. Ritchie en Nadia M. Davidson een nieuwe tool ontwikkeld genaamd seqsizzle. Zie deze tool als een gespecialiseerd vergrootglas dat specifiek is ontworpen voor de terminalschermen die wetenschappers gebruiken om hun data te beheren. In plaats van de computer te dwingen te raden wat de tags zijn, laat seqsizzle een mens direct naar de ruwe genetische code op hun scherm kijken. Het markeert de specifieke sequenties waar de wetenschapper naar op zoek is, zelfs als de machine een paar kleine fouten heeft gemaakt bij het lezen ervan. De tool stelt de gebruiker in staat om verschillende kleuren aan verschillende tags toe te wijzen, waardoor het gemakkelijk is om te zien waar een barcode begint en waar een adapter eindigt, en om te ontdekken waar de machine wellicht gestruikeld is. Het kan ook duizenden strengen scannen om de meest voorkomende herhalende patronen te vinden, wat wetenschappers helpt om te ontdekken welke tags aanwezig zijn, zelfs als ze niet vooraf wisten waarnaar ze op zoek moesten zoeken.
De onderzoekers hebben deze tool gebouwd met een programmeertaal die bekend staat om zijn snelheid en betrouwbaarheid, en ze hebben ervoor gezorgd dat het op bijna elk computersysteem werkt, van persoonlijke laptops tot de enorme supercomputers die in onderzoekscentra worden gebruikt. Omdat het rechtstreeks in de command line draait zonder dat er een zware grafische interface nodig is, kan het worden gebruikt op remote servers waar de data zich bevindt, wat tijd en rekenkracht bespaart. Het team heeft seqsizzle getest op data van twee belangrijke long-read sequencingtechnologieën. In één test gebruikten ze het om data te analyseren van een complex single-cell experiment waarbij de genetische strengen waren voorzien van meerdere barcodes in een specifieke volgorde. De tool identificeerde de verborgen tags succesvol, markeerde ze in verschillende kleuren en toonde de onderzoekers aan dat ongeveer een derde van de strengen aan het verwachte patroon voldeed. In een andere test gebruikten ze het om RNA te bekijken van een specifieke cellijn die bekend staat om een gedupliceerd gedeelte van genetische code. De tool bevestigde snel dat de helft van de strengen deze duplicatie bevatte, wat bewees dat het structurele onregelmatigheden kan opsporen die anders mogelijk over het hoofd zouden worden gezien.
Wat seqsizzle onderscheidt van andere software, is de focus op het menselijk oog en de behoefte aan snelle, interactieve probleemoplossing. Terwijl andere programma's uitstekend zijn in het automatisch verwerken van miljoenen strengen, verbergen ze de ruwe details vaak achter lagen van analyse. Als een wetenschapper probeert uit te zoeken waarom een nieuw experiment niet werkt, moet hij de rommelige, onbewerkte data kunnen zien om de fout te vinden. seqsizzle vult dit gat door een manier te bieden om door de data te scrollen, kleuren aan en uit te zetten en de striktheid waarmee de tool naar overeenkomsten zoekt, aan te passen. Het verwerkt niet alleen de data; het helpt de wetenschapper de architectuur van het experiment zelf te begrijpen. Door het mogelijk te maken om deze complexe, foutgevoelige sequenties direct te visualiseren, helpt de tool onderzoekers om hun protocollen te controleren, onverwachte artefacten te ontdekken en ervoor te zorgen dat de genetische verhalen die ze proberen te vertellen, ook daadwerkelijk correct worden gelezen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.