Dream-stellar: alineación local exacta paralela y eficiente en espacio

Área de la Ciencia:

• Genómica
• Bioinformática
• Biología Computacional

Sus antecedentes:

• La búsqueda de alineaciones locales en grandes conjuntos de datos genómicos presenta importantes desafíos computacionales.
• Las secuencias repetitivas en los datos genómicos aumentan los costos de tiempo de ejecución y complican las búsquedas de homología.
• Los filtros efectivos son cruciales para reducir el espacio de búsqueda sin pasar por alto coincidencias significativas.

Objetivo del estudio:

• Presentar DREAM-Stellar, una versión actualizada y paralelizada del alineador local Stellar.
• Desarrollar un filtro sensible y específico para búsquedas de homología prácticas en datos genómicos.
• Comparar el rendimiento de DREAM-Stellar con las herramientas de alineación local existentes.

Principales métodos:

• DREAM-Stellar emplea un proceso de cuatro pasos: preprocesamiento de consulta/referencia, construcción de estructuras de datos para la distribución de consultas, cálculo paralelo y combinación de resultados.
• Utiliza la estructura de datos IBF y un prefiltro novedoso para la distribución eficiente de consultas de alineación local.
• Se evaluó el rendimiento en datos genómicos simulados y reales frente a otros cinco alineadores locales.

Principales resultados:

• DREAM-Stellar demuestra mejoras significativas de velocidad, hasta 900 veces más rápido que su predecesor en 32 hilos.
• Puede identificar todas las alineaciones genómicas de pares en cuestión de minutos, comparable en tiempo de ejecución a herramientas como BLAST.
• Las herramientas heurísticas como BLAST pueden pasar por alto alineaciones locales significativas o verse abrumadas por coincidencias menos significativas.

Conclusiones:

• DREAM-Stellar es una herramienta práctica y rápida para identificar alineaciones locales en secuencias genómicas muy largas.
• Es adecuada para búsquedas de homología bajo el modelo de distancia de edición.
• El software está disponible gratuitamente para Linux y Mac OS X.