Картирование коротких прочтений ДНК и вызов вариантов с использованием показателей качества картирования

Новые технологии секвенирования обещают открыть новую эру в использовании последовательностей ДНК. Однако некоторые из этих технологий генерируют очень короткие прочтения, обычно длиной в несколько десятков пар оснований, и для эффективного использования таких прочтений требуются новые алгоритмы и программное обеспечение. В частности, эффективное выравнивание коротких прочтений на референсный геном и обработка неоднозначности или неточности этого выравнивания представляют собой серьезные проблемы. Здесь мы вводим понятие качества картирования — показатель уверенности в том, что прочтение действительно происходит из положения, к которому оно было отнесено алгоритмом картирования. Мы описываем программное обеспечение MAQ, способное строить сборки путем картирования коротких шотган-прочтений на референсный геном и использовать показатели качества для определения генотипов в консенсусной последовательности диплоидного генома, например полученной из образца человека. MAQ в полной мере использует информацию о прочтениях из парных концов и оценивает вероятность ошибки каждого выравнивания прочтения. Вероятности ошибок также определяются для итоговых вызовов генотипов с помощью байесовской статистической модели, учитывающей качества картирования, вероятности ошибок, полученные из исходных показателей качества последовательности, выборку двух гаплотипов и эмпирическую модель коррелированных ошибок в определенной позиции. Картирование прочтений и определение генотипов оцениваются как на смоделированных, так и на реальных данных. MAQ отличается точностью, эффективностью, универсальностью и удобством использования. Программа находится в свободном доступе по адресу http://maq.sourceforge.net.