HARICOT: De Novo Assembly of Raw Nanopore Signals using Fuzzy de Bruijn Graphs
HARICOT 是一种通过采用模糊 de Bruijn 图和基于霍夫变换的重叠检测,来克服现有方法在噪声敏感性和可扩展性方面的局限性,从而改进原始纳米孔信号从头组装的新型工具,其实现的连续性和质量可与领先的基于核苷酸的组装器相媲美,且无需进行碱基识别。
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
想象一下,你正试图阅读一本书,但书上的字母并非印在页面上,而是由一条不断变换粗细和颜色、随着你手指移动而波动的墨水曲线组成。这就是现代纳米孔测序技术(nanopore sequencing)下 DNA 测序的真实情况。当一段 DNA 分子穿过一个微小的孔洞时,它会扰乱电流,产生一个原始信号——一个代表遗传密码的、锯齿状且充满噪声的波形。传统上,科学家必须将这种杂乱的波形转化为熟悉的遗传字母(A、C、G、T),然后才能进行后续研究。这个被称为“碱基识别”(basecalling)的转换步骤既缓慢又需要巨大的计算能力,通常依赖于复杂的人工智能模型。但是,如果你能完全跳过翻译步骤,直接从原始的、充满噪声的波形中组装出基因组的故事呢?
多年来,研究人员一直尝试在不进行预先转换的情况下拼凑这些原始信号,希望能节省时间和计算资源。之前有一种名为 Rawsamble 的工具,它能够找到这些信号之间的重叠部分,但生成的遗传图谱往往被破碎成微小且无用的片段,就像一个大部分碎片都缺失或变形了的拼图。问题在于,用于拼接这些碎片的工具是为清晰的、已翻译的文本设计的,而不是为了应对原始电信号那种混乱且易出错的特性。信号中的噪声使得标准方法几乎无法找到正确的连接点,导致生成的基因组图像支离破碎且不完整。
现在,一组研究人员推出了一种名为 HARICOT 的新方法,它改变了我们处理这一问题的方式。HARICot 不再试图强行将嘈杂的信号塞进一种并不适合它的格式,而是选择了拥抱噪声。它使用了一种借鉴自计算机视觉的数学技术——该技术最初设计用于在随机分布的点阵中寻找直线——来识别两个不同 DNA 信号的重叠位置。通过将原始电波视为一种点阵模式而非字母序列,该系统能够发现其他工具所忽略的隐藏连接线。一旦找到了这些重叠部分,系统就会构建一张“模糊”的基因组图谱。这张图谱允许存在轻微的不完美和变异,将相似但不完全相同的信号片段归为一类,从而有效地平滑掉那些会导致组装中断的误差。
这种新方法的实验结果令人瞩目。在对从简单的细菌到复杂的植物和果蝇等各种基因组进行测试时,HARICOT 生成的遗传图谱比之前的最佳工具生成的图谱显著更长且更连续。在许多情况下,该方法能将整个细菌染色体组装成单一且不间断的部分,而这在以前通常需要先将信号转换为字母。虽然这个新工具在准确性上仍比最先进的、使用翻译法的工具稍逊一筹,但它实现的完整度水平曾被认为在没有翻译步骤的情况下是不可能达到的。更重要的一点是,它的速度比旧方法快得多,平均快了近四倍,在处理大型基因组时甚至快了高达十一倍,同时还避免了将信号转换为字母所带来的沉重计算成本。
这项工作表明,我们并不总是需要将原始生物数据转换为标准格式才能理解它。通过开发能够直接处理这些杂乱、真实世界信号的工具,科学家们有可能在基因组测序的同时进行实时分析,而无需等待缓慢的处理步骤。研究人员已向公众开放了他们的代码和模型,邀请他人在此基础上继续发展。尽管挑战依然存在,特别是在面对极其复杂的基因组和某些类型的信号误差时,但 HARICOT 证明了,我们完全可以穿越原始数据的噪声,寻找到隐藏在其中那清晰且连续的生命故事。
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。