← 最新论文
💻 生物信息学

Hybrid RY-mers increase aDNA alignment sensitivity

本文介绍了混合型 RY-mer,这是一种集成到 strobealign 比对器中的新型种子构建方式,旨在解决古 DNA 损伤问题,与 BWA-aln 和 MALT 等现有最先进方法相比,它在显著提高比对准确性的同时,还降低了运行时间和内存消耗。

原作者: Tolstoganov, I., Sahlin, K.

发布于 2026-11-10 (v2)
📖 1 分钟阅读☕ 轻松阅读

原作者: Tolstoganov, I., Sahlin, K.

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明

我们过去的生命故事,往往书写在最脆弱的材料之中:那些在数千年中幸存下来的、被困在骨骼、牙齿和土壤中的遗传密码。这些古老的 DNA 为研究灭绝物种、失落文明以及与它们共生的微生物提供了一个直接的窗口。然而,获取这些信息本身就是一场与时间的战斗。随着世纪的流逝,维持这些遗传链条的化学键会发生断裂,分子也会遭受特定类型的损伤。其中最常见的损伤形式之一是化学转变,即一种被称为胞嘧啶(cytosine)的构建模块转变为尿嘧ل(uracil),而测序机将其读取为胸腺嘧啶(thymine)。对于试图将这些受损片段与已知参考基因组进行匹配的计算机程序来说,这看起来就像是一种突变、一个错误,或者是一个完全不同的生物体。此外,DNA 片段通常非常短,这使得计算机很难在庞大的遗传数据库中找到它们的正确位置。如果软件无法找到正确的匹配,那么样本中所包含的历史将会永远丢失。

多年来,科学家们一直依赖通用软件来拼凑这些碎片,通常不得不让程序变得极其“宽容”,以捕捉这些受损的读取片段。这种方法虽然可行,但速度缓慢且计算成本高昂,即使处理单个样本也需要耗费大量的时间和计算机内存。当古 DNA 与参考数据库差异很大时,该方法也会表现不佳,导致错失连接。在一项新的研究中,研究人员 Ivan Tolstoganov 和 Kristoffer Sahlin 开发了一种专门设计的工具,旨在更智能地处理这些受损分子。他们创建了一种新的 DNA 序列匹配方法,该方法能够理解古老损伤的特定性质,从而使计算机能够比以前更快、更准确地找到正确的匹配。

这种新方法的核心在于一种观察 DNA 字母的巧妙方式。研究人员并没有将每一个字母(A、C、G 和 T)视为僵化、不可改变的字符,而是引入了一个能够识别字母可能受损的系统。他们意识到,古老样本中常见的特定损伤(即胞嘧林转变为胸腺嘧啶)虽然改变了字母,但仍使其保持在特定的化学家族内。胞嘧啶和胸腺嘧啶都属于“嘧啶”(pyrimidines),而腺嘌呤和鸟嘌呤则属于“嘌呤”(purines)。这种名为混合 RY-mer 的新方法,在搜索的第一阶段将这些化学家族视为可互换的。它本质上是要求计算机寻找这样一种匹配:即前几个字母属于正确的化学家族,即使具体的字母因年代久远发生了偏移。这使得软件能够找到那些会被标准程序因不匹配而拒绝的受损片段的正确位置。

为了高效实现这一目标,研究人员将这种化学灵活性与一种称为“多上下文种子”(multi-context seeds)的策略相结合。想象一下,你正试图在一座巨大的图书馆中寻找一本特定的书。如果你只寻找精确的书名,你可能会错过它,如果封面稍微有些破损的话。如果你只看作者的名字,你可能会找到太多书。这种新方法同时兼顾了两者。它在计算机内存中存储 DNA 片段的完整、精确序列,同时也存储该序列开头的一个简化版本,其中化学家族被归类在一起。当计算机搜索匹配项时,它首先检查这个简化的、具有灵活性的版本,以快速缩小范围。如果它在那里找到了潜在的匹配项,它随后会检查完整的、精确的序列以确认位置。这种两步走的流程既能挽救那些因损伤而被丢弃的读取片段,又能保持足够的精确度以避免误报。

研究人员使用名为 strobealign-HRY 的新工具,针对目前该领域使用的标准软件 BWA-aln 进行了测试。他们使用了模拟的古 DNA 数据,创建了数百万个具有已知损伤水平和已知正确位置的片段,以观察每个程序的表现。结果显示,新工具在寻找正确匹配方面的表现显著优于前者。在测试中,即使在损伤严重的情况下,该工具也能比现有方法更准确地映射古 DNA 片段。或许对该领域未来更重要的一点是,它的速度非常快。新工具完成比对任务的速度比标准软件快四到六倍,同时占用的内存也更少。这种速度和效率意味着研究人员可以用更短的时间处理更多样本,或者分析那些以前难以处理或规模过大的样本。

这种改进的影响不仅限于速度。研究人员还在一个用于在复杂样本中识别古微生物的大型工作流(即宏基因组学过程)中测试了该新工具。通过将标准比对软件更换为他们的工具,他们发现识别古细菌和病毒的整个过程变得更快,且所需的计算机内存更少。检测这些古老分类单元的能力得到了提升,并且系统能够更有效地区分古老微生物与现代微生物。这一点至关重要,因为古 DNA 样本经常受到来自环境或处理人员手中的现代 DNA 的污染。这种在噪声中寻找真实古老信号的能力,有助于科学家更有信心地重建过去的生态系统。

尽管这项新工具是一个重要的进步,但研究人员也承认它并非适用于所有情况的完美解决方案。它对计算机内存的需求比某些现有工具要多,尽管仍低于目前用于古 DNA 分析的标准工具。此外,该研究侧重于 DNA 片段末端的一种特定损伤模式(这是最常见的类型),但也存在其他模式的损伤。作者建议,未来的工作可以探索不同的模式,以进一步平衡敏感性和特异性。然而,目前的结果表明,通过理解古老损伤的特定化学性质并构建尊重这些规则的软件,科学家可以恢复更多的信息。这意味着,那些曾经过于微弱或由于损伤而难以辨识的灭绝生物和古老疾病的遗传回响,现在正变得更加清晰,为人类通过深邃的时间长河观察地球生命的演变,提供了更丰富、更详尽的图景。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →