WO2014069770A1 - 중복을 고려한 염기 서열 재조합 시스템 및 방법 - Google Patents

중복을 고려한 염기 서열 재조합 시스템 및 방법 Download PDF

Info

Publication number
WO2014069770A1
WO2014069770A1 PCT/KR2013/007467 KR2013007467W WO2014069770A1 WO 2014069770 A1 WO2014069770 A1 WO 2014069770A1 KR 2013007467 W KR2013007467 W KR 2013007467W WO 2014069770 A1 WO2014069770 A1 WO 2014069770A1
Authority
WO
WIPO (PCT)
Prior art keywords
fragment
sequence
sequences
length
fragment sequence
Prior art date
Application number
PCT/KR2013/007467
Other languages
English (en)
French (fr)
Inventor
박민서
Original Assignee
삼성에스디에스 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성에스디에스 주식회사 filed Critical 삼성에스디에스 주식회사
Publication of WO2014069770A1 publication Critical patent/WO2014069770A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
    • G16B30/10—Sequence alignment; Homology search
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
    • C12Q1/6869—Methods for sequencing

Definitions

  • Embodiments of the invention relate to techniques for analyzing the base sequence of a genome.
  • NGS Next Generation Sequencing
  • S Next Generation Sequencing
  • various NGS sequence recombination programs have been developed with a focus on accuracy.
  • recent advances in next-generation sequencing technology have resulted in less than half the cost of generating fragment sequences, and the amount of data available has increased, helping to quickly and accurately process large, short sequences. Skills needed.
  • the first step in sequence recombination is to map reads to the correct position of the reference sequence via a nucleotide sequence alignment algorithm.
  • the problem here is that even with individuals of the same species, there may be differences in genomic sequences due to various genetic variations. Errors in sequencing can also lead to differences in nucleotide sequences. Therefore, the nucleotide sequence recombination algorithm must consider these differences and variations effectively to increase the mapping accuracy.
  • Embodiments of the present invention are to provide a base sequence recombination means that can ensure the mapping accuracy and at the same time improve the complexity of the mapping to increase the processing speed.
  • a fragment sequence generation unit for generating a plurality of fragment sequences from a read, and a reference value in which the number of mapping overlaps in a target sequence among the generated plurality of fragment sequences is set;
  • Fragment sequence length adjustment unit for selecting excess fragment sequence, adjusting the length of the selected fragment sequence until the mapping overlap number of the selected fragment sequence is less than the reference value, and the global alignment using the fragment sequences It includes an alignment to perform.
  • a fragment sequence generation unit for generating a plurality of fragment (fragment) sequence from the read, the number of mapping overlaps in the target sequence of the generated plurality of fragment sequences is set And a filtering unit for discarding fragment sequences exceeding an upper limit, and an alignment unit for performing global alignment using the remaining fragment sequences except for the discarded fragment sequences.
  • the nucleotide sequence recombination method in the fragment sequence generation unit, generating a plurality of fragments (fragment) sequence from the read, fragment sequence length adjustment unit, the plurality of fragment sequences generated Selecting a fragment sequence whose mapping duplication number in the target sequence exceeds a predetermined reference value, and adjusting the length of the selected fragment sequence until the mapping duplication number of the selected fragment sequence is equal to or less than the reference value, and in the alignment unit, Performing global alignment using the fragment sequences.
  • the nucleotide sequence recombination method in the fragment sequence generation step, generating a plurality of fragment (fragment) sequence from the read, the filtering unit, the target of the plurality of fragment sequences generated Discarding fragment sequences whose mapping duplication number in the sequence exceeds a set upper limit, and performing an alignment in the alignment unit using the remaining fragment sequences except the discarded fragment sequences.
  • the length of fragment sequences generated in the read is not fixed, but the length thereof is appropriately extended according to the number of mapping overlaps in the target nucleotide sequence of each fragment sequence, or the number of overlaps is excessively large.
  • FIG. 1 is a view for explaining the sequence recombination method according to an embodiment of the present invention.
  • FIG. 2 is a diagram illustrating a process of calculating a minimum error estimate in a nucleotide recombination method according to an embodiment of the present invention.
  • FIG. 3 is a view for explaining an example of a fragment sequence extraction process in the nucleotide sequence recombination method according to an embodiment of the present invention.
  • FIG. 4 is a block diagram of a nucleotide recombination system 400 according to an embodiment of the present invention.
  • FIG. 5 is a block diagram of a nucleotide sequence recombination system 500 according to another embodiment of the present invention.
  • read sequence is short nucleotide sequence data output from a genome sequencer.
  • the length of the read is generally composed of about 35-500bp (base pair) according to the type of genome sequencer, and in the case of DNA base, it is generally expressed by alphabet letters of A, C, G, and T.
  • substrate base sequence is meant a reference sequence to which reference is made to generate the entire base sequence from the reads. In sequencing, the entire nucleotide sequence is completed by mapping a large amount of reads output from the genome sequencer with reference to the target nucleotide sequence.
  • the target base sequence may be a predetermined sequence (for example, a human base sequence, etc.) during base sequence analysis, or a base sequence produced by a genomic sequencer may be used as a target base sequence.
  • Base is the smallest unit that makes up the base sequence and read of interest.
  • the DNA base may be composed of four types of alphabet letters A, C, G, and T, each of which is referred to as a base.
  • the DNA base is represented by four bases, as is the read.
  • a “fragment sequence” is a sequence that is the unit when comparing the read and the target nucleotide sequence for mapping of the reads. Theoretically, in order to map a read to a target nucleotide sequence, the mapping position of the read should be calculated by comparing the entire read sequentially from the first part of the target nucleotide sequence. However, such a method requires too much time and computing power to map one read, so that a fragment sequence consisting of a portion of the read is first mapped to a target nucleotide sequence to find the mapping candidate position of the entire read. The entire lead is mapped to the corresponding candidate position (Global Alignment).
  • the nucleotide sequence recombination method 100 compares a read output from a genome sequencer with a target nucleotide sequence to determine the mapping (or alignment) position in the target sequence of the read to determine the entire sequence. It means a series of processes to complete.
  • a minimum error bound that may appear when the read is aligned with the target sequence is calculated (108).
  • the reason why the mEB value is the minimum error estimate is not a review of the number of all errors that may occur in the read, but when an error occurs in a certain part, a new match is performed after that. This is because it only checks for one position. That is, the mEB value may be the minimum value of errors that may occur in the corresponding read, and more errors may be generated at other positions of the target sequence.
  • the minimum error estimate of the read is calculated through the above process, it is determined whether the calculated minimum error estimate exceeds the preset error tolerance (maxError) (110). It is determined that the sort ends.
  • the maximum error tolerance (maxError) was set to 3 and the minimum error estimate of the remaining reads was calculated, resulting in a total of 844,891 reads exceeding the maximum error tolerance. appear. That is, as a result of performing step 108, the alignment requirement by about 42.2% could be reduced.
  • the corresponding read is aligned through the following process.
  • a plurality of fragment sequences are generated (112) from the reads, and a filtering process of discarding fragment sequences whose mapping duplication number in the target sequence among the generated plurality of fragment sequences exceeds a set upper limit is performed. (114).
  • the fragment sequences whose mapping duplications in the target sequence exceed the set reference value are selected among the fragment sequences, and the length of the selected fragment sequence is adjusted until the mapping duplication number of the selected fragment sequence is less than or equal to the reference value (116).
  • steps 114 and 116 may be performed together or only one of them may be performed.
  • the fragment sequences that perform global alignment in step 118 are not only fragment sequences whose lengths are adjusted in step 116, but also fragment sequences that do not need to be adjusted because the number of mapping overlaps is less than or equal to a reference value in the beginning. Note that this includes all of them. If the number of errors in the reads as a result of the global alignment exceeds a preset error tolerance (maxError), it is determined that the alignment has failed, otherwise the alignment has been successful (120).
  • maxError preset error tolerance
  • This step is to generate a plurality of small fragment fragment sequences from the read in order to perform alignment of the read in earnest.
  • a plurality of fragment sequences are generated in consideration of some or all of the reads.
  • fragment sequences can be generated by dividing an entire, or specific section of a read into a plurality of pieces, or by combining the divided pieces.
  • the generated fragment sequences may be continuously linked to each other, but this is not necessarily the case, and it is also possible to construct the fragment sequences by a combination of pieces separated from each other in the read.
  • the resulting fragment sequences do not necessarily have the same length, and it is also possible to generate fragment sequences having various lengths in one read.
  • the method of generating fragment sequences from reads in the present invention is not particularly limited, and various algorithms for extracting fragment sequences from part or all of the reads may be used without limitation.
  • mapping overlap number refers to the number of times that exact matching occurs when mapping with the target sequence of the fragment sequence.
  • the target nucleotide sequence (eg the human genome) comprises a plurality of repeat sequences. Since these overlapping sequences are distributed at various positions of the target sequence and repeatedly include the same nucleotide sequence, some fragment sequences have coincident matching at multiple positions when mapping with the target sequence. Global alignment is performed at each of these locations to determine the exact mapping location. However, if the number of such mapping duplications is too large, an unnecessarily large number of global alignments will occur, and this will adversely affect the complexity and accuracy of the overall sequence recombination algorithm. By discarding, the execution speed and complexity of the sequence recombination algorithm are prevented from becoming too high.
  • the upper limit may be determined in consideration of the type of the target nucleotide sequence and the length of the fragment sequence, and when the length of the fragment sequence is 15 bp, the upper limit is set to 10,000 to improve the accuracy and execution speed of nucleotide recombination. Was appropriate for.
  • mapping positions in the target sequence among the candidate fragment sequences exceeds the predetermined reference value, and the number of the mapping positions for the selected fragment sequences is less than the set value Resize (expand) the corresponding fragment sequence.
  • the number of mapping positions in the target sequence of each of the generated candidate fragment sequences is calculated, the fragment sequence whose calculated number of mapping positions exceeds a set value is selected, and then the target sequence The size of the selected fragment sequence is expanded until the number of mapping positions in is less than or equal to the set value.
  • the size expansion of the selected fragment sequence may be achieved by adding one or more bases constituting a part of the read to the selected fragment sequence.
  • the extended base does not necessarily need to be linked to the fragment sequence.
  • fragment size expansion of the selected fragment sequence may be achieved by adding a base in the read corresponding to the position at the beginning or end of the selected fragment sequence.
  • An example of this is as follows. For example, assume that a fragment sequence is generated from a read as follows.
  • the length of the fragment sequence is decreased by 1bp until the number of mapping positions falls below the reference value as follows. Will expand.
  • the reference value is also a value that can be appropriately determined according to the characteristics of the target sequence, read and fragment sequence, etc. It should be noted that the present invention does not limit the scope of rights to a specific set value. do.
  • the fragment sequence is discarded. For example, suppose that the length of a fragment sequence is extended as follows.
  • the fragment sequence in which one base is extended from the original fragment sequence has 55 mapping positions in the target sequence exceeding a reference value, and in the case of expanding the two bases, it is not mapped at all in the target sequence. . That is, in this case, if only one base is expanded, the mapping position becomes too large, and if two bases are extended, the mapping sequence is not mapped with the target sequence.
  • the fragment sequence is not used in the subsequent global alignment process. Discarded.
  • the reference value was 50.
  • the total 15,547,856 fragment sequences about 77% of the fragment sequences were found to have less than 50 mappings. That is, when the reference value is 50, the 77% fragment sequence can be used as it is, the remaining 23% of the fragment sequence was found to require fragment sequence expansion according to the method described above.
  • Base sequence recombination system 400 is a device for performing the above-described nucleotide sequence recombination method, fragment sequence generation unit 402, fragment sequence length adjustment unit 404 and alignment unit 406 It includes, and may further include a filtering unit 408 as necessary.
  • the fragment sequence generator 402 generates a plurality of fragment sequences from reads obtained from the genome sequencer.
  • the fragment sequence length adjustment unit 404 selects a fragment sequence whose mapping duplication number in the target sequence exceeds a set reference value among the generated plurality of fragment sequences, and keeps until the mapping duplication number of the selected fragment sequence becomes less than or equal to the reference value. Adjust the length of the selected fragment sequence. In this case, the fragment sequence length adjusting unit 404 may adjust the length of the selected fragment sequence by adding one or more bases constituting a part of the read to the selected fragment sequence. In this case, the fragment sequence length adjusting unit 404 may adjust the length of the selected fragment sequence by adding a base in the read corresponding to the position at the beginning or the end of the selected fragment sequence.
  • the alignment unit 406 performs the global alignment of the target sequence of the read using the fragment sequences.
  • the fragment sequences that perform global alignment in the alignment unit 406 are not only fragment sequences whose lengths are adjusted in the fragment sequence length adjusting unit 404, but also fragment sequences whose lengths are less than the reference value in the first place. Note that this includes all fragment sequences that do not need to be adjusted.
  • the filtering unit 408 discards the fragment sequence when the fragment sequence exceeding the upper limit of the set number of mapping overlaps in the target sequence among the plurality of fragment sequences generated by the fragment sequence generation unit 402.
  • the upper limit value may be 10,000 as described above.
  • the nucleotide sequence recombination system 500 includes a fragment sequence generator 502, a filter 504, and an alignment unit 506.
  • the fragment sequence generator 502 generates a plurality of fragment sequences from reads obtained from the genome sequencer.
  • the filtering unit 504 discards the fragment sequence when the fragment sequence exceeding an upper limit of the set number of mapping overlaps in the target sequence among the plurality of fragment sequences generated by the fragment sequence generation unit 402.
  • the upper limit value may be 10,000 as described above.
  • the alignment unit 506 performs a global alignment of the target sequence of the read using the fragment sequences filtered through the filtering unit 504.
  • an embodiment of the present invention may include a computer readable recording medium including a program for performing the methods described herein on a computer.
  • the computer-readable recording medium may include program instructions, local data files, local data structures, etc. alone or in combination.
  • the media may be those specially designed and constructed for the purposes of the present invention, or they may be of the kind well-known and available to those skilled in the computer software arts.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tape, optical recording media such as CD-ROMs, DVDs, magnetic-optical media such as floppy disks, and ROM, RAM, flash memory, and the like.
  • Hardware devices specifically configured to store and execute program instructions are included.
  • Examples of program instructions may include high-level language code that can be executed by a computer using an interpreter as well as machine code such as produced by a compiler.

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biotechnology (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Organic Chemistry (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Microbiology (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

중복을 고려한 염기 서열 재조합 시스템 및 방법이 개시된다. 본 발명의 일 실시예에 따른 염기 서열 재조합 시스템은, 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단편 서열 생성부, 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 기준값을 초과하는 단편 서열을 선택하고, 선택된 단편 서열의 맵핑 중복수가 상기 기준값 이하가 될 때까지 상기 선택된 단편 서열의 길이를 조정하는 단편 서열 길이 조정부, 및 상기 길이가 조정된 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 정렬부를 포함한다.

Description

중복을 고려한 염기 서열 재조합 시스템 및 방법
본 발명의 실시예들은 유전체의 염기 서열을 분석하기 위한 기술과 관련된다.
저렴한 비용과 빠른 데이터 생산으로 인해 대용량의 짧은 서열을 생산하는 차세대 시퀀싱(NGS; Next Generation Sequencing)이 전통적인 생거(Sanger) 시퀀싱 방식을 빠르게 대체하고 있다. 또한 다양한 NGS 서열재조합 프로그램들이 정확도에 초점을 맞추어 개발되었다. 그러나, 최근 차세대 시퀸싱 기술이 발전함에 따라 단편서열을 만들어 내는 비용이 예전의 절반 이하가 되었고, 이에 따라 사용할 수 있는 데이터의 양이 많아지게 되어서, 대용량의 짧은 서열들을 빠른 시간에 정확하게 처리하기 위한 기술이 필요하게 되었다.
서열 재조합의 첫 번째 단계는 염기 서열 정렬(alignment) 알고리즘을 통해 리드를 참조 서열의 정확한 위치에 맵핑(mapping)하는 것이다. 여기서의 문제점은 같은 종의 개체라 할지라도 다양한 유전적 변이로 인해 유전체 서열에 차이가 있을 수 있다는 점이다. 또한 시퀀싱 과정에서의 오류로 인해서도 염기 서열에 차이가 생길 수 있다. 따라서 염기 서열 재조합 알고리즘은 이러한 차이와 변이를 효과적으로 고려해서 맵핑 정확도를 높이지 않으면 안 된다.
결론적으로, 유전체 정보의 분석을 진행하기 위해서는, 될 수 있는 한 많은 수의 정확한 전체 유전체 정보 데이터가 필요하다. 또 이를 위해서는 무엇보다도 뛰어난 정확도와 큰 처리량을 갖는 염기 서열 재조합 알고리즘을 개발하는 것이 선행되어야 한다. 그러나 종래의 방법들은 이러한 요구 조건들을 만족시키는 데 한계가 있었다.
본 발명의 실시예들은 맵핑 정확도를 보장하는 동시에 맵핑 시의 복잡도를 개선하여 처리 속도를 높일 수 있는 염기 서열 재조합 수단을 제공하는 데 그 목적이 있다.
본 발명의 일 실시예에 따른 염기 서열 재조합 시스템은, 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단편 서열 생성부, 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 기준값을 초과하는 단편 서열을 선택하고, 선택된 단편 서열의 맵핑 중복수가 상기 기준값 이하가 될 때까지 상기 선택된 단편 서열의 길이를 조정하는 단편 서열 길이 조정부, 및 상기 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 정렬부를 포함한다.
한편, 본 발명의 다른 실시예에 따른 염기 서열 재조합 시스템은, 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단편 서열 생성부, 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열들을 폐기하는 필터링부, 및 상기 폐기된 단편 서열들을 제외한 나머지 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 정렬부를 포함한다.
한편, 본 발명의 일 실시예에 따른 염기 서열 재조합 방법은, 단편 서열 생성부에서, 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단계, 단편 서열 길이 조정부에서, 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 기준값을 초과하는 단편 서열을 선택하고, 선택된 단편 서열의 맵핑 중복수가 상기 기준값 이하가 될 때까지 상기 선택된 단편 서열의 길이를 조정하는 단계, 및 정렬부에서, 상기 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 단계를 포함한다.
한편, 본 발명의 다른 실시예에 따른 염기 서열 재조합 방법은, 단편 서열 생성부에서, 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단계, 필터링부에서, 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열들을 폐기하는 단계, 및 정렬부에서, 상기 폐기된 단편 서열들을 제외한 나머지 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 단계를 포함한다.
본 발명의 실시예들에 따를 경우 리드에서 생성되는 단편 서열들의 길이를 고정하는 것이 아니라, 각 단편 서열들의 대상 염기 서열 내에서의 맵핑 중복수에 따라 적절히 그 길이를 확장하거나, 또는 중복수가 지나치게 많은 단편 서열을 폐기함으로써, 맵핑의 정확도를 높임과 동시에 속도 또한 향상할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 염기 서열 재조합 방법을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 염기 서열 재조합 방법에서 최소 에러 추정치 계산 과정을 예시하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 염기 서열 재조합 방법에서 단편 서열 추출 과정의 일례를 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 염기 서열 재조합 시스템(400)의 블록도이다.
도 5는 본 발명의 다른 실시예에 따른 염기 서열 재조합 시스템(500)의 블록도이다.
이하, 도면을 참조하여 본 발명의 구체적인 실시형태를 설명하기로 한다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명의 기술적 사상은 청구범위에 의해 결정되며, 이하의 실시예는 본 발명의 기술적 사상을 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 효율적으로 설명하기 위한 일 수단일 뿐이다.
본 발명의 실시예들을 상세히 설명하기 앞서, 먼저 본 발명에서 사용되는 용어들에 대하여 설명하면 다음과 같다.
먼저, "리드(read) 서열"(또는 줄여서 "리드"로 지칭)이란 게놈 시퀀서(genome sequencer)에서 출력되는 짧은 길이의 염기서열 데이터이다. 리드의 길이는 게놈 시퀀서의 종류에 따라 일반적으로 35~500bp(base pair) 정도로 다양하게 구성되며, 일반적으로 DNA 염기의 경우 A, C, G, T의 알파벳 문자로 표현된다.
"대상 염기 서열"이란 상기 리드들로부터 전체 염기 서열을 생성하는 데 참조가 되는 염기 서열(reference sequence)을 의미한다. 염기 서열 분석에서는 게놈 시퀀서에서 출력되는 다량의 리드들을 대상 염기 서열을 참조하여 맵핑함으로써 전체 염기 서열을 완성하게 된다. 본 발명에서 상기 대상 염기 서열은 염기 서열 분석 시 미리 설정된 서열(예를 들어 인간의 전체 염기 서열 등)일 수도 있으며, 또는 게놈 시퀀서에서 만들어진 염기 서열을 대상 염기 서열로 사용할 수도 있다.
"베이스(base)"는 대상 염기 서열 및 리드를 구성하는 최소 단위이다. 전술한 바와 같이 DNA 염기의 경우 A, C, G 및 T의 네 종류의 알파벳 문자로 구성될 수 있으며, 이들 각각을 베이스라 표현한다. 다시 말해 DNA 염기의 경우 4개의 베이스로 표현되며, 이는 리드 또한 마찬가지이다.
"단편(fragment) 서열"(또는 줄여서 "단편"으로 지칭)이란 리드의 맵핑을 위하여 리드와 대상 염기 서열을 비교할 때의 단위가 되는 시퀀스이다. 이론적으로 리드를 대상 염기 서열에 맵핑하기 위해서는 리드 전체를 대상 염기 서열의 가장 첫 부분부터 순차적으로 비교해 나가면서 리드의 맵핑 위치를 계산하여야 한다. 그러나 이와 같은 방법의 경우 하나의 리드를 맵핑하는 데 너무 많은 시간 및 컴퓨팅 파워가 요구되므로, 실제로는 리드의 일부분으로 구성된 조각인 단편 서열을 먼저 대상 염기 서열에 맵핑함으로써 전체 리드의 맵핑 후보 위치를 찾아 내고 해당 후보 위치에 전체 리드를 맵핑(Global Alignment)하게 된다.
도 1은 본 발명의 일 실시예에 따른 염기 서열 재조합 방법(100)을 설명하기 위한 도면이다. 본 발명의 실시예에서, 염기 서열 재조합 방법(100)이란 게놈 시퀀서(genome)에서 출력되는 리드를 대상 염기 서열과 비교하여 리드의 상기 대상 서열에서의 맵핑(또는 정렬) 위치를 결정하여 전체 서열을 완성하는 일련의 과정을 의미한다.
먼저, 게놈 시퀀서(genome sequencer)로부터 리드가 입력되면(102), 리드 전체와 상기 대상 염기 서열과의 일치 정합(exact matching)을 시도한다(104). 만약 상기 시도 결과 리드 전체에 대한 일치 정합이 성공한 경우에는 이후의 정렬 단계를 수행하지 않고 정렬에 성공한 것으로 판단한다(106). 인간의 염기 서열을 대상으로 한 실험 결과, 게놈 시퀀서에서 출력되는 100만 개의 리드를 인간의 염기 서열에 일치 정합할 경우 총 200만회의 정렬 중(정방향 시퀀스 100만회, 역상보(reverse complement) 방향 시퀀스 100만회) 231,564회의 일치 정합이 발생되는 것으로 나타났다. 따라서 상기 104 단계의 수행 결과 약 11.6%만큼의 정렬 소요량을 감소시킬 수 있었다.
그러나, 이와 달리 상기 106 단계에서 해당 리드가 일치 정합되지 않는 것으로 판단되는 경우에는 해당 리드를 상기 대상 서열에 정렬했을 때 나타날 수 있는 최소 에러 추정치(Minimum Error Bound)를 계산한다(108).
도 2는 상기 108 단계에서의 최소 에러 추정치 계산 과정을 예시하기 위한 도면이다. 먼저, 도시된 바와 같이 최소 에러 추정치를 0으로 설정하고(mEB = 0) 리드의 가장 첫 번째 베이스부터 오른쪽으로 한 베이스씩 이동하면서 일치 정합을 시도한다. 이때 상기 리드의 특정 베이스(도면에서 왼쪽에서 첫번째 화살표)에서부터 더 이상 매칭이 불가능하다고 가정하자. 이 경우는 리드의 정합 시작 위치부터 현재 위치 사이의 구간 어딘가에서 에러가 발생한 것을 의미한다. 따라서 이 경우에는 최소 에러 추정치를 1만큼 증가시키고(mEB = 1), 다음 위치에서 새로 일치 정합을 시작한다. 이후 또 다시 일치 정합이 불가능하다고 판단되는 경우에는, 일치 정합을 새로 시작한 위치부터 현재 위치 사이의 구간 어디에서 다시 에러가 발생한 것이므로, 최소 에러 추정치를 다시 1만큼 증가시키고(mEB = 2), 다음 위치에서 새로 일치 정합을 시작한다. 이와 같은 과정을 거쳐 리드의 끝까지 도달한 경우의 최소 에러 추정치(도면에서 mEB = 3)가 해당 리드에서 발생할 수 있는 에러의 개수가 된다. 이때 상기 mEB 값이 최소 에러 추정치인 이유는 리드에서 에러가 발생할 수 있는 모든 에러의 수를 검토한 것이 아니라, 일정 부분에서 에러가 발생하면 그 이후부터 새로 일치 정합을 수행하는 방식으로, 대상 서열의 한 위치(position)에 대해서만 검사하기 때문이다. 즉, 상기 mEB 값은 해당 리드에서 발생할 수 있는 에러의 최소값이 될 수 있으며, 대상 서열의 다른 위치에서는 더 많은 에러가 나올 수 있다.
상기와 같은 과정을 거쳐 리드의 최소 에러 추정치가 계산되면, 계산된 최소 에러 추정치가 기 설정된 에러 허용치(maxError)를 초과하는지의 여부를 판단하고(110), 초과하는 경우 해당 리드에 대한 정렬이 실패한 것으로 판단하여 정렬을 종료한다. 전술한 인간의 염기 서열을 대상으로 한 실험에서, 최대 에러 허용치(maxError)를 3으로 하고 나머지 리드들의 최소 에러 추정치를 계산한 결과, 총 844,891회에 해당하는 리드들이 상기 최대 에러 허용치를 초과하는 것으로 나타났다. 즉, 상기 108 단계의 수행 결과 약 42.2%만큼의 정렬 소요량을 감소시킬 수 있었다.
그러나 이와 달리 상기 110 단계에서의 판단 결과, 계산된 최소 에러 추정치가 상기 최대 에러 허용치 이하인 경우에는 다음과 같은 과정을 거쳐 해당 리드에 대한 정렬을 수행한다.
먼저, 상기 리드로부터 복수 개의 단편(fragment) 서열들을 생성하고(112), 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열을 폐기하는 필터링 과정을 수행한다(114). 다음으로, 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 기준값을 초과하는 단편 서열들을 선택하고, 선택된 단편 서열의 맵핑 중복수가 상기 기준값 이하가 될 때까지 상기 선택된 단편 서열의 길이를 조정한다(116). 이때 상기 114 단계 및 116 단계는 함께 수행될 수도 있고 둘 중 하나만 수행될 수도 있다.
이후, 상기 단편 서열을 이용하여 상기 리드에 대한 전역 정렬(global alignment)을 수행한다(118). 이때 상기 118 단계에서 전역 정렬을 수행하는 상기 단편 서열들은 상기 116 단계에서 그 길이가 조정된 단편 서열들 뿐 아니라, 그렇지 않은 단편 서열, 즉 애초에 맵핑 중복수가 기준값 이하여서 길이를 조정할 필요가 없는 단편 서열들까지를 모두 포함하는 것임을 유의한다. 상기 전역 정렬의 결과 리드의 에러 개수가 기 설정된 에러 허용치(maxError)를 초과하는 경우에는 정렬 실패로, 그렇지 않은 경우에는 정렬에 성공한 것으로 판단된다(120).
이하에서는 상기 112 단계 내지 116 단계의 구체적인 과정을 상세히 설명한다.
리드로부터 복수 개의 단편 서열 생성(112)
본 단계는 본격적으로 리드의 정렬을 수행하기 위하여 리드로부터 복수 개의 작은 조각인 단편 서열을 생성하는 단계이다. 본 단계에서는 상기 리드의 일부 또는 전체를 고려하여 복수 개의 단편 서열들을 생성하게 된다. 예를 들어, 리드의 전체, 또는 특정 구간을 복수 개의 조각으로 분할하거나, 분할된 조각들을 조합합으로써 단편 서열들을 생성할 수 있다. 이 경우 생성된 단편 서열들은 서로 연속적으로 연결될 수 있으나, 반드시 그러한 것은 아니며, 리드 내에서 서로 떨어진 조각들의 조합으로 단편 서열들을 구성하는 것 또한 가능하다. 또한, 생성되는 단편 서열들이 반드시 동일한 길이를 가질 필요는 없으며, 하나의 리드 내에서 다양한 길이를 가지는 단편 서열들을 생성하는 것 또한 가능하다. 요컨대, 본 발명에서 리드로부터 단편 서열을 생성하는 방법은 특별히 제한되지 않으며, 리드의 일부 또는 전체로부터 단편 서열을 추출하는 다양한 알고리즘이 제한 없이 사용될 수 있다.
생성된 단편 서열의 필터링(114)
상기와 같은 과정을 거쳐 단편 서열들이 생성되면, 다음으로 생성된 단편 서열 중 대상 서열에서의 맵핑 중복수를 계산하고, 계산된 맵핑 중복수가 기 설정된 상한값을 초과하는 단편 서열을 폐기하는 필터링 과정을 수행한다. 이때 상기 맵핑 중복수란 단편 서열의 대상 서열과 맵핑시 일치 정합(exact matching)이 발생하는 회수를 의미한다.
일반적으로 대상 염기 서열(예를 들어 인간의 유전체)은 다수의 중복 시퀀스(repeat sequence)를 포함한다. 이러한 중복 시퀀스는 대상 서열의 여러 위치에 분포하며, 동일한 염기 서열을 반복적으로 포함하고 있기 때문에 일부 단편 서열들의 경우 대상 서열과의 맵핑 시 복수 개의 위치에서 일치 정합이 발생하게 되며, 이 경우에는 일치 정합이 일어나는 위치마다 전역 정렬을 수행하여 정확한 맵핑 위치를 확정짓게 된다. 그러나 이러한 맵핑 중복수가 지나치게 많을 경우에는 불필요하게 많은 수의 전역 정렬이 발생하게 되며 이 경우 전체 서열 재조합 알고리즘의 복잡도 및 정확도에 악영향을 끼치므로, 상기 중복수가 기 설정된 상한값을 초과하는 경우에는 해당 단편 서열을 폐기함으로써 서열 재조합 알고리즘의 수행 속도 및 복잡도가 지나치게 높아지는 것을 방지한다.
이때 상기 상한값은 대상 염기 서열의 종류 및 단편 서열의 길이 등을 고려하여 정해질 수 있으며, 실험 결과 단편 서열의 길이가 15bp일 경우 상기 상한값은 10,000으로 정해지는 것이 염기 서열 재조합의 정확도 및 실행 속도 향상에 적절하였다.
단편 서열의 길이 조정(116)
한편, 전술한 바와 같이 맵핑 중복수가 지나치게 높은, 즉 상한값을 초과하는 단편 서열들을 제외하더라도, 대상 서열과의 맵핑 중복수가 상대적으로 높은 일부 단편 서열들의 경우 여전히 전체 정렬 알고리즘의 복잡도 및 정확도에 악영향을 끼치게 된다. 따라서 적절한 방법을 이용하여 단편 서열들의 맵핑 중복수를 줄일 필요가 있다.
이를 위하여, 본 단계에서는 후보 단편 서열들 중 상기 대상 서열에서의 맵핑 위치가 기 설정된 기준값을 초과하는 단편 서열들을 선택하고, 선택된 단편 서열들에 대하여 상기 맵핑 위치의 개수가 상기 설정된 값 이하가 될 때까지 해당 단편 서열의 크기를 조정(확장)한다.
구체적으로, 본 단계에서는 생성된 상기 후보 단편 서열들 각각의 상기 대상 서열에서의 맵핑 위치의 개수를 계산하고, 계산된 상기 맵핑 위치의 개수가 설정된 값을 초과하는 단편 서열을 선택한 뒤, 상기 대상 서열에서의 맵핑 위치의 개수가 상기 설정된 값 이하가 될 때까지 선택된 단편 서열의 크기를 확장하게 된다.
이때 상기 선택된 단편 서열의 크기 확장은, 상기 선택된 단편 서열에 상기 리드의 일부를 구성하는 하나 이상의 베이스를 부가함으로써 이루어질 수 있다. 이때 상기 확장되는 베이스는 반드시 상기 단편 서열과 연결될 필요는 없다. 예를 들어, 도 3에 도시된 바와 같이 리드의 5 내지 19 위치로부터 추출된 단편 서열의 확장을 위하여 리드의 21 내지 24 위치로부터 추출된 조각을 추가하는 것 또한 가능하다.
또한, 단편 상기 선택된 단편 서열의 크기 확장은, 상기 선택된 단편 서열의 처음 또는 끝 부분에 해당 위치에 대응되는 상기 리드에서의 베이스를 추가함으로써 이루어질 수 있다. 이를 예를 들어 설명하면 다음과 같다. 예를 들어, 다음과 같이 리드로부터 단편 서열이 생성되었다고 가정하자.
리드: A T T G C C T C A G T
단편 서열: T T G C (리드에서 밑줄 친 부분)
만약 상기 단편 서열에 대한 맵핑 결과 대상 서열에서의 맵핑 위치의 개수가 65개이고, 설정된 기준값이 50개인 경우에는, 아래와 같이 상기 맵핑 위치의 개수가 기준값 이하로 떨어질 때까지 상기 단편 서열의 길이를 1bp씩 확장하게 된다.
T T G C (65 맵핑 위치)
T T G C C (54 맵핑 위치)
T T G C C T (27 맵핑 위치)
위의 예시의 경우, 리드를 참조하여 2개의 베이스를 추가하였을 경우 맵핑 위치의 개수가 기준값 이하로 떨어지므로, 최종 단편 서열은 최초 생성된 값보다 2bp 확장된 T T G C C T 가 된다. 한편, 전술한 다른 예에서와 마찬가지로, 상기 기준값 또한 대상 서열, 리드 및 단편 서열의 특성 등에 따라서 적절하게 정해질 수 있는 값으로서 본 발명은 특정한 설정값에 그 권리범위가 한정되는 것은 아님에 유의하여야 한다.
한편, 상기와 같이 단편 서열의 길이를 확장하는 과정에서, 확장된 단편 서열이 대상 서열에 맵핑되지 않는 경우, 즉 확장된 단편 서열이 맵핑 위치의 개수가 0인 경우, 해당 단편 서열은 폐기된다. 예를 들어, 다음과 같이 단편 서열의 길이를 확장한다고 가정하자.
A C G G (270 맵핑 위치)
A C G G T (55 맵핑 위치)
A C G G T A (0 맵핑 위치)
상기 단편 서열의 경우 원 단편 서열(A C G G)에서 1 베이스를 확장한 단편 서열의 경우 대상 서열에서의 맵핑 위치의 개수가 기준값을 초과하는 55개이고, 2 베이스를 확장할 경우 대상 서열에 전혀 맵핑되지 않는다. 즉, 이 경우 1개의 베이스만을 확장할 경우에는 맵핑 위치가 너무 많아지고, 2개의 베이스를 확장할 경우에는 대상 서열과 맵핑이 되지 않게 되는 바, 해당 단편 서열은 이후의 전역 정렬 과정에서 사용되지 않고 폐기된다.
인간의 염기 서열을 대상으로 한 실험에서, 100만 개의 리드에서 단편 서열의 길이 15bp, 시프트 간격 4bp로 단편 서열들을 생성한 후 생성된 단편 서열들을 대상 서열에 매칭할 경우, 기준치를 50으로 할 때 총 15,547,856개의 단편 서열 중 약 77%의 단편 서열이 50개 이하의 맵핑을 가지는 것으로 나타났다. 즉, 실험 결과 기준치를 50으로 할 경우 77%의 단편 서열은 이를 그대로 활용할 수 있으며, 나머지 23%의 단편 서열들은 전술한 방법에 따른 단편 서열 확장이 필요한 것으로 나타났다.
도 4는 본 발명의 일 실시예에 따른 염기 서열 재조합 시스템(400)의 블록도이다. 본 발명의 일 실시예에 따른 염기 서열 재조합 시스템(400)은 전술한 염기 서열 재조합 방법을 수행하기 위한 장치로서, 단편 서열 생성부(402), 단편 서열 길이 조정부(404) 및 정렬부(406)를 포함하며, 필요에 따라 필터링부(408)를 더 포함할 수 있다.
단편 서열 생성부(402)는 게놈 시퀀서로부터 얻어진 리드로부터 복수 개의 단편(fragment) 서열들을 생성한다.
단편 서열 길이 조정부(404)는 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 기준값을 초과하는 단편 서열을 선택하고, 선택된 단편 서열의 맵핑 중복수가 상기 기준값 이하가 될 때까지 상기 선택된 단편 서열의 길이를 조정한다. 이때, 단편 서열 길이 조정부(404)는 상기 선택된 단편 서열에 상기 리드의 일부를 구성하는 하나 이상의 베이스를 부가함으로써 상기 선택된 단편 서열의 길이를 조절할 수 있다. 또한, 이 경우 단편 서열 길이 조정부(404)는 상기 선택된 단편 서열의 처음 또는 끝 부분에, 해당 위치에 대응되는 상기 리드에서의 베이스를 추가함으로써 상기 선택된 단편 서열의 길이를 조절할 수 있다.
정렬부(406)는 상기 단편 서열들을 이용하여 상기 리드의 상기 대상 서열에 대한 전역 정렬(Global alignment)을 수행한다. 이때 정렬부(406)에서 전역 정렬을 수행하는 상기 단편 서열들은 단편 서열 길이 조정부(404)에서 그 길이가 조정된 단편 서열들 뿐 아니라, 그렇지 않은 단편 서열, 즉 애초에 맵핑 중복수가 기준값 이하여서 길이를 조정할 필요가 없는 단편 서열들까지를 모두 포함하는 것임을 유의한다.
필터링부(408)는 단편 서열 생성부(402)에서 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열이 존재하는 경우, 해당 단편 서열을 폐기한다. 이때 상기 상한값은 전술한 바와 같이 10,000일 수 있다.
도 5는 본 발명의 다른 실시예에 따른 염기 서열 재조합 시스템(500)의 블록도이다. 도시된 바와 같이, 본 실시예에 따른 염기 서열 재조합 시스템(500)은 단편 서열 생성부(502), 필터링부(504) 및 정렬부(506)를 포함한다.
단편 서열 생성부(502)는 게놈 시퀀서로부터 얻어진 리드로부터 복수 개의 단편(fragment) 서열들을 생성한다.
필터링부(504)는 단편 서열 생성부(402)에서 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열이 존재하는 경우, 해당 단편 서열을 폐기한다. 이때 상기 상한값은 전술한 바와 같이 10,000일 수 있다.
정렬부(506)는 필터링부(504)를 통하여 필터링된 단편 서열들을 이용하여 상기 리드의 상기 대상 서열에 대한 전역 정렬(Global alignment)을 수행한다.
한편, 본 발명의 실시예는 본 명세서에서 기술한 방법들을 컴퓨터상에서 수행하기 위한 프로그램을 포함하는 컴퓨터 판독 가능 기록매체를 포함할 수 있다. 상기 컴퓨터 판독 가능 기록매체는 프로그램 명령, 로컬 데이터 파일, 로컬 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체는 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 분야에서 통상의 지식을 가진 자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광 기록 매체, 플로피 디스크와 같은 자기-광 매체, 및 롬, 램, 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다.
이상에서 대표적인 실시예를 통하여 본 발명에 대하여 상세하게 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다.
그러므로 본 발명의 권리범위는 설명된 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
<부호의 설명>
400, 500: 염기 서열 재조합 시스템
402, 502: 단편 서열 생성부
404: 단편 서열 길이 조정부
406, 506: 정렬부
408, 504: 필터링부

Claims (16)

  1. 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단편 서열 생성부;
    생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 기준값을 초과하는 단편 서열을 선택하고, 선택된 단편 서열의 맵핑 중복수가 상기 기준값 이하가 될 때까지 상기 선택된 단편 서열의 길이를 조정하는 단편 서열 길이 조정부; 및
    상기 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 정렬부를 포함하는 염기 서열 재조합 시스템.
  2. 청구항 1에 있어서,
    상기 단편 서열 길이 조정부는, 상기 선택된 단편 서열에 상기 리드의 일부를 구성하는 하나 이상의 베이스를 부가함으로써 상기 선택된 단편 서열의 길이를 조정하는, 염기 서열 재조합 시스템.
  3. 청구항 2에 있어서,
    상기 단편 서열 길이 조정부는,
    상기 리드로부터 상기 선택된 단편 서열의 처음 또는 끝 부분에 대응되는 하나 이상의 베이스를 추출하고,
    추출된 리드를 상기 선택된 단편 서열의 처음 또는 끝 부분에 추가함으로써 상기 선택된 단편 서열의 길이를 조정하는, 염기 서열 재조합 시스템.
  4. 청구항 1에 있어서,
    상기 단편 서열 길이 조정부는, 상기 길이가 조정된 단편 서열이 상기 대상 서열과 맵핑되는지의 여부를 판단하고,
    상기 판단 결과 맵핑되지 않는 경우, 상기 길이가 조정된 단편 서열을 폐기하는, 염기 서열 재조합 시스템.
  5. 청구항 1에 있어서,
    생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열이 존재하는 경우, 해당 단편 서열을 폐기하는 필터링부를 더 포함하는, 염기 서열 재조합 시스템.
  6. 청구항 5에 있어서,
    상기 상한값은 10000인, 염기 서열 재조합 시스템.
  7. 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단편 서열 생성부;
    생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열들을 폐기하는 필터링부; 및
    상기 폐기된 단편 서열들을 제외한 나머지 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 정렬부를 포함하는 염기 서열 재조합 시스템.
  8. 청구항 7에 있어서,
    상기 상한값은 10000인, 염기 서열 재조합 시스템.
  9. 단편 서열 생성부에서, 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단계;
    단편 서열 길이 조정부에서, 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 기준값을 초과하는 단편 서열을 선택하고, 선택된 단편 서열의 맵핑 중복수가 상기 기준값 이하가 될 때까지 상기 선택된 단편 서열의 길이를 조정하는 단계; 및
    정렬부에서, 상기 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 단계를 포함하는 염기 서열 재조합 방법.
  10. 청구항 9에 있어서,
    상기 단편 서열의 길이를 조정하는 단계는, 상기 선택된 단편 서열에 상기 리드의 일부를 구성하는 하나 이상의 베이스를 부가함으로써 상기 선택된 단편 서열의 길이를 조정하는, 염기 서열 재조합 방법.
  11. 청구항 10에 있어서,
    상기 리드로부터 상기 선택된 단편 서열의 처음 또는 끝 부분에 대응되는 하나 이상의 베이스를 추출하고,
    추출된 리드를 상기 선택된 단편 서열의 처음 또는 끝 부분에 추가함으로써 상기 선택된 단편 서열의 길이를 조정하는, 염기 서열 재조합 방법.
  12. 청구항 9에 있어서,
    상기 단편 서열의 길이를 조정하는 단계는, 상기 길이가 조정된 단편 서열이 상기 대상 서열과 맵핑되는지의 여부를 판단하는 단계; 및
    상기 판단 결과 맵핑되지 않는 경우, 상기 길이가 조정된 단편 서열을 폐기하는 단계를 더 포함하는, 염기 서열 재조합 방법.
  13. 청구항 9에 있어서,
    상기 단편 서열들을 생성하는 단계의 수행 이후, 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열이 존재하는 경우, 해당 단편 서열을 폐기하는 필터링 단계를 더 포함하는, 염기 서열 재조합 방법.
  14. 청구항 13에 있어서,
    상기 상한값은 10000인, 염기 서열 재조합 방법.
  15. 단편 서열 생성부에서, 리드로부터 복수 개의 단편(fragment) 서열들을 생성하는 단계;
    필터링부에서, 생성된 상기 복수 개의 단편 서열들 중 대상 서열에서의 맵핑 중복수가 설정된 상한값을 초과하는 단편 서열들을 폐기하는 단계; 및
    정렬부에서, 상기 폐기된 단편 서열들을 제외한 나머지 단편 서열들을 이용하여 전역 정렬(Global alignment)을 수행하는 단계를 포함하는 염기 서열 재조합 방법.
  16. 청구항 15에 있어서,
    상기 상한값은 10000인, 염기 서열 재조합 방법.
PCT/KR2013/007467 2012-10-29 2013-08-20 중복을 고려한 염기 서열 재조합 시스템 및 방법 WO2014069770A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020120120635A KR101506371B1 (ko) 2012-10-29 2012-10-29 중복을 고려한 염기 서열 재조합 시스템 및 방법
KR10-2012-0120635 2012-10-29

Publications (1)

Publication Number Publication Date
WO2014069770A1 true WO2014069770A1 (ko) 2014-05-08

Family

ID=50548104

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2013/007467 WO2014069770A1 (ko) 2012-10-29 2013-08-20 중복을 고려한 염기 서열 재조합 시스템 및 방법

Country Status (4)

Country Link
US (1) US20140121988A1 (ko)
KR (1) KR101506371B1 (ko)
CN (1) CN103793624A (ko)
WO (1) WO2014069770A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101508817B1 (ko) * 2012-10-29 2015-04-08 삼성에스디에스 주식회사 염기 서열 정렬 시스템 및 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110049005A (ko) * 2009-11-04 2011-05-12 삼성에스디에스 주식회사 부분 결합 서열을 이용한 유전자 서열 정렬장치 및 그 방법
US20120203792A1 (en) * 2011-02-01 2012-08-09 Life Technologies Corporation Systems and methods for mapping sequence reads

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8239140B2 (en) * 2006-08-30 2012-08-07 The Mitre Corporation System, method and computer program product for DNA sequence alignment using symmetric phase only matched filters
CN101748213B (zh) * 2008-12-12 2013-05-08 深圳华大基因研究院 一种环境微生物检测方法和系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110049005A (ko) * 2009-11-04 2011-05-12 삼성에스디에스 주식회사 부분 결합 서열을 이용한 유전자 서열 정렬장치 및 그 방법
US20120203792A1 (en) * 2011-02-01 2012-08-09 Life Technologies Corporation Systems and methods for mapping sequence reads

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PARK, TAE WON ET AL.: "Method for Time Efficient Processing of Next Generation Sequencing Reads Using Hitting Set Problem", JOURNAL OF KISSE: COMPUTER SYSTEMS AND THEORY, vol. 38, no. 6, 2011, pages 275 - 280 *
RIZK ET AL.: "GASSST: global alignment short sequence search tool", BIOINFORMATICS, vol. 26, no. 20, 2010, pages 2534 - 2540 *
TREANGEN ET AL.: "Repetitive DNA and next-generation sequencing: computational challenges and solutions", NATURE REVIEWS GENETICS, vol. 13, no. 1, January 2012 (2012-01-01), pages 36 - 46 *

Also Published As

Publication number Publication date
US20140121988A1 (en) 2014-05-01
KR20140054752A (ko) 2014-05-09
CN103793624A (zh) 2014-05-14
KR101506371B1 (ko) 2015-03-26

Similar Documents

Publication Publication Date Title
WO2014069769A1 (ko) 리드 전체를 고려한 염기 서열 정렬 시스템 및 방법
WO2014069764A1 (ko) 염기 서열 정렬 시스템 및 방법
Pevzner et al. Fragment assembly with double-barreled data
Bonfert et al. ContextMap 2: fast and accurate context-based RNA-seq mapping
WO2013065944A1 (ko) Ｎｇｓ를 위한 서열 재조합 방법 및 장치
WO2014183270A1 (zh) 一种检测染色体结构异常的方法及装置
CN108197434B (zh) 去除宏基因组测序数据中人源基因序列的方法
CN107798216B (zh) 采用分治法进行高相似性序列的比对方法
CN108629156B (zh) 三代测序数据纠错的方法、装置和计算机可读存储介质
WO2013062223A1 (en) Hash data structure for file comparison and hash comparison system and method using the same
WO2021194057A1 (ko) 펩타이드 서열 및 hla 대립유전자 서열을 이용하여 신생항원을 예측하는 방법 및 컴퓨터 프로그램
WO2019093675A1 (ko) 빅데이터 분석을 위한 데이터 병합 장치 및 방법
Belbasi et al. The minimizer Jaccard estimator is biased and inconsistent
WO2014069770A1 (ko) 중복을 고려한 염기 서열 재조합 시스템 및 방법
CN113205857B (zh) 基因组性染色体非同源区域的鉴定方法和装置
WO2014069767A1 (ko) 염기 서열 정렬 시스템 및 방법
WO2015126058A1 (ko) 암 예후 예측 방법
Fasulo et al. Efficiently detecting polymorphisms during the fragment assembly process
WO2014069766A1 (ko) 염기 서열 재조합 시스템 및 방법
WO2019231162A1 (ko) 이미지 분할 방법 및 장치
WO2021172780A1 (ko) 유전자 선별 방법 및 장치
WO2014119848A1 (en) System for recombining genome sequence in consideration of read length and method thereof
CN114067907B (zh) 一种准确鉴定rna病毒基因组变异的方法
WO2014181937A1 (en) System and method for aligning genome sequence in consideration of read quality
WO2015009016A1 (ko) 분자 오비탈 유사성 편차 평가 방법 및 이를 이용한 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13851338

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 27/08/2015)

122 Ep: pct application non-entry in european phase

Ref document number: 13851338

Country of ref document: EP

Kind code of ref document: A1