Mash: быстрое оценивание расстояний между геномами и метагеномами с использованием MinHash

Mash расширяет технику редукции размерности MinHash, вводя попарное расстояние мутаций и критерий значимости P-значения, что позволяет эффективно кластеризовать и искать огромные коллекции последовательностей. Mash сводит большие последовательности и наборы последовательностей к небольшим представительным «скетчам», по которым можно быстро оценивать глобальные расстояния мутаций. Мы демонстрируем несколько вариантов применения, включая кластеризацию всех 54 118 геномов NCBI RefSeq за 33 CPU·ч; поиск по базе в реальном времени с использованием собранных или несобранных данных Illumina, Pacific Biosciences и Oxford Nanopore; а также масштабируемую кластеризацию сотен метагеномных образцов по составу. Mash распространяется бесплатно по лицензии BSD (https://github.com/marbl/mash).