一个有效的并行基于素描的算法工作流程,用于绘制长读数的地图

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:

• 长读数测序技术正在迅速发展,产生高精度的读数超过10Kbp.
• 基因组组装和支架在很大程度上依赖于绘制长读数,这是一个计算密集的步骤.
• 当前的映射工具经常使用重叠计算,这对于大型数据集可能很慢;需要无对齐的方法.

研究的目的:

• 开发一种快速准确的无对齐方法,用于将长读数映射到参考序列.
• 为解决基因组组装和脚手架的长读映射中的计算瓶.
• 为了介绍JEM-mapper,一个高效的平行算法工作流程长读映射.

主要方法:

• 开发了JEM-mapper,使用基于最小化器的Jaccard估计器 (JEM) 草图进行无对齐映射.
• 实现了JEM-mapper的并行版本,使用MPI+OpenMP进行分布式和共享内存并行.
• 在两个设置中评估JEM-mapper:混合脚手架 (长读到contigs) 和经典长读组件 (长读到长读).

主要成果:

• JEM-mapper实现了高质量的绘图,证明了精度和回忆率.
• 在具有大型基因组的混合架构场景中,JEM-mapper实现了99.41%的精度和97.91%的回忆.
• 在混合设置中,JEM-mapper表现出了6.9倍的速度比最先进的映射器,显著改善了解决方案的时间.

结论:

• JEM-mapper为基因组学中的长读映射瓶提供了一个高效和准确的解决方案.
• 并行实施使得大规模基因组分析具有可扩展性.
• JEM-mapper推进了长读序列分析领域,促进了更快,更全面的基因组组装和支架.