Puntos de Rastreo Adaptativos para la Compresión de Alineación de Pangenomas

Área de la Ciencia:

• Genómica; Bioinformática; Biología Computacional

Sus antecedentes:

• El almacenamiento de datos de comparación genómica a gran escala requiere una compresión eficiente.; Las codificaciones de alineación de tamaño fijo carecen de adaptabilidad a la complejidad variable de la secuencia, lo que limita la compresión.; Las regiones conservadas en las secuencias genómicas presentan oportunidades de compresión perdidas.

Objetivo del estudio:

• Desarrollar un método de codificación de alineación consciente de la complejidad.; Mejorar la eficiencia de compresión para alineaciones de secuencias.; Asegurar que la reconstrucción de la alineación mantenga o mejore las puntuaciones de alineación.

Principales métodos:

• Introducción de puntos de rastreo adaptativos, un método de codificación de alineación.; Segmentación de alineaciones utilizando métricas de complejidad configurables como distancia de edición o distancia diagonal.; Segmentos limitados por diferencias o desviación de la diagonal principal para adaptarse a las características locales.

Principales resultados:

• Los puntos de rastreo limitados por diagonales lograron una compresión 10.5-13.7 veces mejor en secuencias largas simuladas.; Los puntos de rastreo limitados por ediciones ofrecieron compensaciones ajustables entre la compresión y el costo de reconstrucción.; Los datos reales de pangenomas mostraron una compresión de 23-139 veces sin degradación de la puntuación y un tiempo de reconstrucción lineal.

Conclusiones:

• Los puntos de rastreo adaptativos proporcionan ganancias significativas de compresión para alineaciones de secuencias genómicas.; El método se adapta a las características locales de alineación, superando a los métodos de tamaño fijo.; El enfoque se valida en datos simulados y reales de pangenomas, garantizando la eficiencia y la precisión.