k-mer 스케칭 기반 롱리드 전처리로 신규 아이소폼 발굴 속도와 정확도 향상

롱리드 RNA-seq 기반의 신규 아이소폼 발굴은 스플라이스 정션을 정확히 주석화하기 위한 동적 계획법 얼라인먼트 과정에서 과도한 계산 시간이 소비된다. 또한 전체 리드를 정밀 정렬하는 과정에서 무관한 리드가 대량 포함되어 하류 아이소폼 동정 정확도를 떨어뜨리는 한계가 있다. KuPID는 k-mer 스케칭 기반 사전 필터링으로 아이소폼 발굴에 유용한 롱리드만 추려내어 정렬 병목과 오탐을 동시에 개선한다.

무엇을 했나

• k-mer 스케칭 기법을 적용해 레퍼런스 아이소폼과 롱리드 간 유사도를 빠르게 평가하는 의사 정렬(pseudo-alignment) 사전 필터를 개발했다.
• 신규 아이소폼 동정과 연관성이 높은 롱리드만 선별하여 후속 정밀 얼라인먼트 파이프라인으로 전달하도록 시스템을 구축했다.
• 롱리드 RNA-seq 데이터에 적용한 결과, 기존 파이프라인 대비 소요 시간을 2~3배 단축하면서 아이소폼 발굴 F1 점수를 최대 11.6포인트 향상시켰다.
• 전처리 과정에서 발굴용 리드 선별뿐만 아니라 전사체 정량화(quantification) 파이프라인과 직접 연동할 수 있는 옵션 모드를 제공한다.

왜 눈여겨볼 만한가

롱리드 전사체 데이터 분석에서 연산 부하가 가장 큰 정밀 얼라인먼트 단계를 전처리 수준의 k-mer 스케칭으로 대폭 경량화한 점이 실용적이다. 대용량 롱리드 파이프라인에서 처리 속도를 향상시키는 동시에 노이즈 리드를 선제적으로 제거하여 신규 아이소폼 동정의 정확도를 높이는 도구로 검토해 볼 만하다. 다만 기지의 레퍼런스 아이소폼 주석을 바탕으로 사전 필터링을 수행하므로, 레퍼런스 완성도가 낮은 종이나 완전히 새로운 유전자 영역에서의 발굴 성능에 대해서는 추가적인 검증이 필요해 보인다.

원문

• Genome research · DOI 10.1101/gr.282250.126