De Novo Assembly Nedir?

Konsensüs Dizisi Üretimi için Biyoinformatik Araçlar

Genom assembly, organizmanın kromozomlarının parçalanmasından, bu parçaların dizilenmesinden ve elde edilen dizilerin tekrar bir araya getirilmesinden sonra üretilen dizidir. Bu, günümüzde DNA dizileme teknolojisinin tüm genomları tek seferde okuyamaması, bunun yerine kullanılan teknolojiye bağlı olarak 20 ila 30.000 baz arasında küçük parçaları okuyabilmesi nedeniyle gereklidir. Tipik olarak, okuma olarak adlandırılan kısa parçalar, genomik DNA’nın rastgele (shotgun) dizilenmesinden elde edilir.

De novo dizi assemblers, referans genom kullanmadan kısa nükleotid dizilerini daha uzun dizilere birleştiren bir program türüdür. Bunlar genellikle biyoinformatik çalışmalarında genom veya transkriptomları birleştirmek için kullanılır.

Assembly Algortiamaları

Assemblers (birleştiriciler), okumalar arasındaki örtüşmeleri kullanarak önce kontigler üretir,daha sonra bu kontigler iskeleler (scaffolds) oluşturmak için kullanılır.

De Novo Assembly yapabilen biyoinformatik araçar için temelde 2 farklı agoritmik yaklaşım vardır:

1. Örtüşme (Overlap) — Yerleşim — Konsensus (OLC): Odak noktası dizi okumalarıdır.
2. De Bruijn grafiği: Odak noktası dizi okumalarında meydana gelen k-tuple’lardır.

OLC Yöntemi ile ;

OLC yöntemi öncelikle bir örtüşme grafiği oluşturur, ardından bunu kontiglere dönüştürür ve son olarak her kontig için en olası nükleotid dizisini seçer. Örtüşme grafiği, uçlarında birden fazla özdeş baz paylaşan dizileri temsil eder. Birden fazla okuma parçası bir örtüşme grafiği oluşturabilir. Algoritma, tüm okumaların bu dizinin alt kümeleri olduğu en kısa kontig dizisini arar.

De Bruijn grafiği Yöntemi ile;

De Bruijn grafı, düğümlerden ve kenarlardan oluşan yönlendirilmiş bir grafiktir. Grafik, bitişik düğümlerin bir baz kadar farklı olmasını gerektirir. Dizileme okumalarını k-mer şeklinde düzenleyerek, De Bruijn grafı daha uzun kontiglerin birleştirilmesine yardımcı olur. Örneğin, birkaç okuma üst üste biniyorsa, bunlar kolayca daha uzun bir kontig halinde birleştirilebilir. Gerçek senaryo daha karmaşıktır, ancak genellikle omurga yolunu koruruz ve onu Contig 1'e birleştirilir.

Hangi biyoinformatik aracı kullanmalıyım?

Bu sorunun cevabı NGS yöntemine doğrudan bağlıdır.Kalite kontrol aşamalarından başarılı şekilde geçen verileriniz ile doğrudan aşağıdaki biyoinformatik araçları kullanarak konsesnüs dizisini elde edebilirsiniz.

Eğer uzun okuma verileri ile çalışıyorsanız;

• Canu
• Flye
• Unicycler kullanabailirsniz.

Eğer kısa okuma verileri ile çalışmak istiyorsanız;

• SPAdes
• Unicycler
• MetaSPAdes
• PlasmidSPAdes
• MDA

gibi biyoinformatik araçları kullanabailirsiniz. Başlangıç aşamasındaki analizleriniz için bu araçlardan elde edilen konsensüs dizisi yeterli olabilir, ancak neredeyse her zaman polishing aşaması konsensüs dizisinin son ve güvenilir hale gelmesi için gereklidir.Özellikle minimap2 aracı polishing için sıklıkla kullanılır. İlerlyen yazılarımda polishing hakkında daha detaylı yazıyı bulabilirsiniz.

Hangi biyoinformatik aracı kullanacağınızdaki temel nokta çalışmanızın amacına uygun olarak ve özellikle büyük genomlar için, bu araçların bilgisayarınızda çökmeden çalışması için biyoinformatik araçalar arasında benchmarking çalışması yapmaktır.

İyi bir montaj (assembly) yapmak için nelere dikkat edilmeli?

Assembly performansı temel paradigmadan bağımsızdır ve esas olarak tekrar çözünürlüğü ve gürültü işleme için sezgisel yöntemlere bağlıdır.

Assembly doğruluğunun nasıl ölçüleceği önemli bir husustur, genel olarak assembly sürekliliği ve doğruluğu arasında bir denge söz konusudur.

Değerlendirmeler,montajların henüz çözülmekten çok uzak olduğunu, birleştirici(assembler) performansının hala oldukça tutarsız olduğunu göstermektedir.

İyi bir de novo assembly için konsensüs fastanızı değerlendirebilen bazı QC(kalite kontrol) metrikslerinden geçiren algoritmalar ile çalışmak çok yararlı olacaktır.