ntsm:一种无对齐,超低覆盖率,测序技术不可知,物种内部样本比较工具,用于样本交换检测

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 样本交换在大型队列研究中是一个常见的错误,特别是在各种测序技术的异质数据类型中.
• 目前的样本交换检测方法在计算上昂贵,需要数据对齐,排序和索引,这对于下游分析 (如基因组组装) 通常是不必要的.
• 基因组研究的规模和复杂性越来越大,需要强大而有效的质量控制工具.

研究的目的:

• 开发一种更快,更节省资源的方法,用于在大规模的基因组研究中检测样本交换.
• 提供适用于不同测序数据类型的质量控制工具,而不需要数据对齐.
• 提供额外的质量控制指标,如错误率和覆盖偏差.

主要方法:

• 使用索引k-mer序列变异来确定样本相似性.
• 结合了变体站点的覆盖信息,通过基于概率比率的测试来增强统计能力.
• 采用基于空间索引主要组件分析 (PCA) 的预选,通过避免详尽的比较来加快分析.

主要成果:

• 该方法通过分析k-mer变体和覆盖数据来准确识别样本交换.
• 它可以估计每个样本的错误率和覆盖率偏差.
• 基于PCA的预选显著加快了分析过程.

结论:

• 这种新的工具处理原始测序数据,绕过了对齐的需要,从而节省了标准质量控制 (QC) 管道中的大量计算资源.
• 该方法在不同的测序数据类型 (例如,牛津纳米孔,太平洋生物科学,Illumina) 中是强大的,因此适用于结合多种技术的研究.
• 除了样本交换检测之外,它还提供了有价值的QC信息,并为祖先分析可视化提供了人口级PCA.