Oxford Nanopore sequencing, hybrid error correction, and de novo assembly of a eukaryotic genome

Oxford Nanopore sequencing, hybrid error correction, and de novo assembly of a eukaryotic genome

牛津纳米孔测序，杂交错误纠正，和重新组装的真核生物基因组

几十年来，通过膜孔来监测DNA分子的进展一直被认为是DNA测序的一种方法。最近，一种基于纳米孔的测序仪器——牛津纳米孔(Oxford Nanopore MinION)问世了，我们用它对酿酒酵母(Saccharomyces cerevisiae)基因组进行了测序。为了利用这些数据，我们开发了一种新的开源混合错误校正算法Nanocorr，专门针对牛津纳米孔读取，因为现有的包无法在如此高的错误率(5%到40%的错误率)下装配长读取长度(5 50 kbp)。使用这种新方法,我们能够执行一个混合纠错的纳米孔读取使用互补MiSeq数据和产生一个新创装配高度连续、准确:在叠连群将军一个长度超过10倍Illumina-only组装(678 kb和59.9 kbp)和> 99.88%一致认同相比,参考。此外，具有长纳米孔reads的装配更完整地表达了基因组的特征，并正确地装配了基因盒、rRNAs、转座元件和其他基因组特征，而这些特征在纯illumina的装配中几乎完全不存在。

       大多数DNA测序方法是基于DNA分子的化学裂解(Maxam和Gilbert 1977)或新的DNA链的合成(Sanger等人1977)，这些方法在当今的大多数测序例程中被使用。在更常见的基于合成的方法中，一种或另一种形式的碱基类似物被合并到一个新生的DNA链中，该DNA链要么标记在其起源的引物上，要么标记在新合并的碱基上。这是目前大多数测序仪所使用的测序方法的基础，包括Illumina, Ion Torrent，和Pacific Biosciences (PacBio)测序，以及它们的早期前辈(Mardis 2008)。另一种方法是，人们观察到，通过监测不同类型孔隙的进展，可以对单个DNA分子进行测序(Kasianowicz等，1996年;Venkatesan和Bashir 2011)最初设想的是来自噬菌体颗粒的孔隙(Sanger et al. 1980)。这种方法的优点包括潜在的非常长的无偏置序列读取，因为在测序中既不需要扩增，也不需要化学反应(Yang et al. 2013)。

  最近，我们开始使用来自牛津纳米孔技术公司(ONT)的nanopore技术，通过他们的early access项目(Eisenstein 2012)测试一种测序设备。这个设备，小黄人，是一个基于纳米孔的设备，孔被嵌入在放置在电检测网格上的膜中。当dna分子穿过这些小孔时，它们会在离子流中产生可测量的变化。波动是序列相关的，因此可以通过碱基调用算法来推断每个分子中的核苷酸序列(Stoddart et al. 2009;Yang et al. 2013)。作为库准备协议的一部分，发卡发卡适配器连接到双股dna样本的一端，而一个“运动蛋白”与另一个结合，解开DNA并控制核苷酸通过小孔的速度(Clarke等，2009年)。在理想的条件下，前导模板链通过孔隙，然后是发夹接头，然后是补链。在这样的运行中，两个链都被测序，一个分子的共识序列可以产生;这些共识读被称为“2D读”，通常有比单次读取分子(“1D读取”)的精度更高。

       手持式测序仪产生超长读取长度的能力为基因组学的许多重要应用打开了潜力，包括新基因组的从头基因组组装，健康或患病样本的结构变异分析，甚至当应用于cDNA测序时的亚型解析。然而，目前1D和2D读取类型都有很高的错误率，这限制了它们直接应用于这些问题，需要一套新的算法。在这里，我们报告了我们的经验排序酵母菌(酵母)基因组与仪器，包括深入分析数据特征和误差模型。我们也描述了我们新的混合误差校正算法，Nanocorr，它利用高质量的短读MiSeq测序来计算抛光长纳米孔读。经过错误纠正后，我们重新组装基因组使用错误纠正的长读产生一个非常高质量的基因组与每个染色体组装成一小部分的叠架在非常高的序列身份。我们进一步证明了我们的误差校正几乎是最优的:我们用错误修正的真实数据方法得到的结果与直接从参考基因组中提取的理想化的模拟读的结果是一致的。最后，我们通过纠正在不同机构测序的大肠杆菌K12基因组的长牛津纳米孔的错误来验证这些结果，并产生一个本质上完美的基因组从头组装。因此，我们相信我们的混合纠错和装配方法将普遍适用于许多其他排序项目。