PLINK второго поколения: ответ на вызов, связанный с увеличением объёма и богатства наборов данных

ПРЕДПОСЫЛКИ: PLINK 1 — широко используемый набор инструментов с открытым исходным кодом на C/C++ для полногеномных исследований ассоциаций (GWAS) и исследований в области популяционной генетики. Однако постоянное накопление данных, получаемых в исследованиях с использованием импутации и полногеномного секвенирования, выявило острую потребность в более быстрых и масштабируемых реализациях ключевых функций, таких как логистическая регрессия, оценка неравновесия по сцеплению и вычисление геномных расстояний. Кроме того, данные GWAS и популяционно-генетические данные теперь часто содержат правдоподобия генотипов, информацию о фазе и/или мультиаллельные варианты, ни один из которых не может быть представлен в основном формате данных PLINK 1. РЕЗУЛЬТАТЫ: Для решения этих проблем мы разрабатываем кодовую базу PLINK второго поколения. Первый крупный выпуск на основе этой кодовой базы — PLINK 1.9 — предусматривает широкое использование параллелизма на уровне битов, тесты Харди—Вайнберга и точный тест Фишера с временем выполнения [Formula: see text] и постоянным потреблением памяти, а также множество других алгоритмических улучшений. В совокупности эти изменения ускоряют большинство операций на 1–4 порядка величины и позволяют программе обрабатывать наборы данных, слишком большие для размещения в оперативной памяти. Мы также разработали расширение формата данных, добавляющее поддержку с низкими накладными расходами правдоподобий генотипов, фаз, мультиаллельных вариантов и референсных и альтернативных аллелей; это расширение лежит в основе запланированного нами второго выпуска (PLINK 2.0). ВЫВОДЫ: Версии PLINK второго поколения обеспечат значительное повышение производительности и совместимости. Впервые пользователи, не имеющие доступа к высокопроизводительным вычислительным ресурсам, смогут выполнять несколько важных анализов богатых признаками и очень больших генетических наборов данных, которые входят в широкое употребление.