Conjunto de datos virtual mínimo para el ensamblaje reproducible del genoma de novo triploide

Área de la Ciencia:

• Genómica; Bioinformática; Biología Computacional

Sus antecedentes:

• La evaluación del ensamblaje del genoma poliploides es un desafío debido a la limitación de conjuntos de datos de referencia.
• Los genomas poliploides reales exhiben variaciones estructurales complejas, repeticiones y divergencia.

Objetivo del estudio:

• Proporcionar un conjunto de datos virtual controlado para la evaluación comparativa reproducible del ensamblaje de novo triploide.
• Evaluar el comportamiento del ensamblaje en niveles de divergencia variables en genomas triploides.

Principales métodos:

• Generó una secuencia de referencia haploide de 1 Mbp y creó tres copias mutadas (A-C).
• Simuló lecturas pareadas de Illumina en un gradiente de divergencia.
• Realizó corrección de errores y ensamblaje de grafos de Bruijn de Bruijn con múltiples tamaños de k-mer.

Principales resultados:

• El conjunto de datos permite la reproducción de tendencias como el colapso excesivo de contigs con baja divergencia.
• Demostró una mejor separabilidad del genoma con un aumento de la divergencia.
• Proporcionó un recurso completo que incluye genomas de referencia, lecturas, ensamblajes y métricas.

Conclusiones:

• El conjunto de datos virtual ofrece un estándar transparente y reproducible para evaluar métodos de ensamblaje.
• Facilita la evaluación de estrategias de k-mer y el comportamiento del ensamblaje en genomas triploides.
• Ayuda a los desarrolladores de métodos y a los usuarios a avanzar en las técnicas de ensamblaje de genomas poliploides.