孟金涛等 : 基因与疾病关联分析中的宏基因组组装工具 SWAP-Meta 引言在美英等发达国家基因检测已经比较普及美国去年有 500 多万人接受基因检测, 达 30 亿美元的市场规模在英国, 基因检测已经在健康超市里出现随着我国科技与经济的快速发展, 人们生活水平不断提高, 消费能力和健康保健

Size: px

Start display at page:

Download "孟金涛等 : 基因与疾病关联分析中的宏基因组组装工具 SWAP-Meta 引言在美英等发达国家基因检测已经比较普及美国去年有 500 多万人接受基因检测, 达 30 亿美元的市场规模在英国, 基因检测已经在健康超市里出现随着我国科技与经济的快速发展, 人们生活水平不断提高, 消费能力和健康保健"

逻宣
7 years ago
Views:

1 科研信息化技术与应用 2014, 5(3): 技术 / TECHNOLOGY 基因与疾病关联分析中的宏基因组组装工具 SWAP-Meta * 孟金涛, 魏彦杰中国科学院深圳先进技术研究院深圳市数据挖掘重点实验室, 广东深圳摘要 : 基因与疾病的关联分析对人类健康和医疗的意义重大准确的基因与疾病关联分析是个性化医疗发展必不可少的条件宏基因组组装和分析对于了解各种环境中的微生物群落以及细菌分布至关重要, 比如人类肠道宏基因组组装和分析可以帮助了解肥胖肠炎等疾病机理在基因与疾病关联分析以及宏基因组组装方面, 本文深入讨论了相关技术难点, 并介绍了我们的宏基因组组装工关键词 : 具 SWAP-Meta 人体健康 ; 宏基因组 ; 基因组组装 ; 关联分析 doi: /j.issn A Metagenomics Assembling Tool for Gene and Disease Correlation Analysis: SWAP-Meta Meng Jintao, Wei Yanjie Shenzhen Key Lab for High Performance Data Mining, Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, Guangdong , China Abstract: Keywords: Gene and disease correlation analysis becomes essential for human health and medical treatment. Accurate analysis of gene and disease plays a vital role for personalized medical treatment. Metagenome assembly and analysis are very important for analyzing the environmental microbial community and bacteria distribution, for example, human metagenome analysis can be used to understand the mechanism of obesity and gastroenteritis. In this paper, we discuss the technical difficulties in gene and disease correlation analysis and metagenome assembly, and introduce our metagenomone assembly tool SWAP-meta. human health; metagenomics; genome assembly; correlation anaysis 基金项目 : 国家自然科学基金 ( ); 深圳市战略性新兴产业发展专项资金 (JCYJ ); 深圳市海外高层次人才创新创业专项资金 (KQCX ) 30

2 孟金涛等 : 基因与疾病关联分析中的宏基因组组装工具 SWAP-Meta 引言在美英等发达国家基因检测已经比较普及美国去年有 500 多万人接受基因检测, 达 30 亿美元的市场规模在英国, 基因检测已经在健康超市里出现随着我国科技与经济的快速发展, 人们生活水平不断提高, 消费能力和健康保健意识愈加强烈, 对基于基因检测的服务需求将会逐年增加按照我国基因检测的人群在 5% 左右估计, 每年基因检测量至少在 300 万人次以上, 并且逐年递增, 市场空间巨大 [1] 基因技术使人类生活产生巨大变化通过基因检测与辩证用药, 可以给病人找到最合适的治疗方法, 不仅降低了不必要的医疗支出, 更避免对人体造成不必要的伤害例如华大基因目前已展开多项基因技术服务, 其中包括乳头瘤病毒 (HPV) 基因分型检测, 宫颈癌的筛查, 无创产检等相比国外这些基因检测费用在中国非常低廉, 其中无创产检低至 1105 元 [2] 基于最近在肿瘤研究的突破, 其他一些基因技术公司联合医院合作开展全基因组低覆盖度测序, 以此深入研究癌症发生发展机制, 从而为诊断治疗提供了新的思路并辅助开展临床应用检测美国 23andMe 公司试图将基因和个人健康联系起来, 并推出了 99 美元的基因诊断服务, 该服务读取人的特定遗传信息并预测一些常见疾病的风险这些预测性的结果仅具有指导性, 而最终的诊断结果则需要听取医生或者专业健康咨询机构意见实际上并发原因是多方面的, 环境因素或生活方式都影响了疾病发生基于基因技术的疾病诊断在研究和技术上还未达到临床标准, 因此美国食品药品监督管理局 FDA 最近对该项服务提出了警告, 并终止了该项服务 [3] 各国医疗政策的制定一般比较保守, 新诊断新疗法需要较长时间才能被医疗监管机构所接受尽管高科技生物技术公司正在努力提供更多的基因相关技术和服务, 而各国政府在相关政策制定上滞后的主要原因还是担心相关服务的不成熟综上所述, 当前基因技术全面应用于医疗健康领域依然面对巨大技术挑战本文将从基因与疾病关联分析以及宏基因组组装方面讨论基因技术面临的挑战, 并介绍我们的宏基因组组装分析工具 SWAP-Meta 1 技术挑战健康领域的基因技术应用主要是基因相关数据的挖掘和分析方面的挑战相关技术包括生物数据提取技术生物数据整合技术基因表达图谱, 基因与疾病的关联分析, 生物序列数据挖掘等 [4-6] 下面我们就以基因与疾病的关联分析和宏基因组生物序列数据组装两个核心技术为例具体陈述基因与疾病的预测主要依赖于基因致病位点的分析, 尤其是特定致病基因序列挖掘和关联分析 [7], 需要特定的分析手段来研究和预测不同疾病随着第二代高通量测序技术的出现 [8], 生物学研究能够以低成本高通量获得个人基因组信息, 并进一步获得大量基因变异位点信息, 以及位点之间的结构信息 ( 连锁不平衡信息 ) 和基因变异的群体特征, 从而使得可以在群体水平上进行群体遗传分析, 即全基因组关联分析 (GWAS) [7] 全基因组关联分析是一种对全基因组范围内全部单核苷酸多态性或分子标记位点进行总体关联分析的方法, 即在全基因组范围内选择遗传变异进行基因分型, 比较病例和对照组间每个变异频率的异差, 计算变异与疾病的关联强度, 选出最相关的变异进行验证并最终确认变异位点与疾病之间的关系当前全基因组关联分析已获得初步成果, 但其效果并不理想, 与期望差距甚远 ; 这与其试验设计和数据分析中某些关键问题有关在试验设计上, 多是单一疾病 ( 表型 ) 病例对照设计, 缺乏针对疾病综合潜在表型以及基因组变异与疾病发生发展和转化结局关系的纵向全基因组关联分析设计理念 ; 在数据分析上, 多是单一 SNP 与单一性状关联分析 [9-10], 缺乏以整体基因 ( 或非基因区域 ) 为单位分析其与综合潜在表型动态关联性的推断方法随着人类千人基因组计划的完成和二代测序技术的成熟与发展, 产生了海量的高维灾难性数据, 使得全基因组关联分析可以结合多个 SNP 与多个性状或环境效应等信息, 进行更全面综合的遗传信息挖掘然而, 当前无论是单位点 31

3 科研信息化技术与应用,2014, 5 (3) 分析还是多位点分析方法, 均面临着高维数据复杂计算的挑战肠道微生物群落与消化道疾病内分泌系统有着紧密联系, 并在人体健康中扮演着更为重要的角色科学研究证明肠道微生物菌群与肥胖的发生有着千丝万缕的关系, 而且比肥胖基因扮演着更为重要的角色 [11-12] 目前肥胖已成为世界范围内重要的公共卫生问题, 肥胖会增加心脑血管疾病癌症心脏病糖尿病脂肪肝等疾病的风险, 同时也会影响消化系统内分泌系统, 可以说肥胖是万症之源据调查, 全球肥胖人士的数量将会从 2005 年的 4 亿左右飙升到 2015 年的 7 亿, 并且这个趋势仍在持续上升当前肠道微生物群落的分析的主要工具是宏基因组装和分析技术 [13-17] 目前宏基因组装技术还处于研究和开发阶段, 例如 HMP (The Human Microbiome Project) [15] 的宏基因组组装所使用的组装软件是 SOAPdenovo [18] 现有比较流行的宏基因组组装软件有 Ray-meta [19],MetaIDBA/IDBA-UD [20], Meta-Velvet [21] 其中 IDBA-UD 可用于单细胞测序及宏基因组测序组装, 它主要采用多个 kmer 迭代构建 Contig 和局部组装策略 ;MetaVelvet 是将构造的 De Bruijn 图按物种近似分割后再分别进行组装 ; RayMeta 的亮点主要在于支持分布式组装, 可以在 15 小时内利用 1024 核对 30 亿条 Read 的数据 ( 包含 1000 个细菌基因组 ) 进行组装由于真实数据中难以得到宏基因组的参考基因组, 因此对真实数据的组装结果评价比较困难宏基因组组装的技术难点主要是以下 4 个方面 : (1) 宏基因组数据中物种丰度不均一对于一般的组装软件, 通常有多种策略来提高组装准确性, 但这些策略却并不适用于宏基因组的组装例如, 通过过滤掉稀有 kmer 可以去除大部分测序错误, 然而在宏基因组中, 这些 kmer 可能并非测序错误, 而是包含了一些低丰度物种的 kmer 此外, 丰度不均同时使得一般的组装软件很难将宏基因组的数据组装出很长的 Contigs 因此单基因组组装工具并不适合宏基因组组装 (2) 宏基因组由于数据量巨大, 例如人肠道微生物群体的 1000 个样本大约有 12T 的数据需要组装, 所以其所需要的计算资源较大, 因此一些基于共享内存的组装软件无法胜任该项工作 (3) 组装质量要求 contig 越长越好, 准确度越高越好然而现有的组装软件都无法同时做到这两点, 例如 IDBA-UD 可以组装出更长的 Contig N50, 但是它的准确度相对于其他软件较低所以如果在保证质量的情况下, 最大化的提高组装结果 contig 的长度是一个非常难的挑战 (4) 宏基因组组装软件组装出整个环境群落上千未知物种的 contig 信息, 然而将这些物种的 contig 信息分离出来还比较困难对于丰度差异比较大, 以及非近源物种的 contig 进行分类, 现有的办法主要是基于 kmer 频谱和层次化聚类两种技术, 然后对于丰度相近的近源物种这两种技术均无法分离 2 宏基因组组装工具 SWAP-Meta 针对以上难点我们开发了并行宏基因组组装工具 SWAP-Meta, 大规模并行宏基因组组装工具 SWAP- [22] Meta 基于 SWAP 框架 (Small World Asynchronous Parallel Model), 该框架兼顾系统接口简洁易用系统高效和可扩展性, 是一基于子集同步全局异步的大规模图处理系统该系统能够线性扩展到 1000 个核心以上 [23] SWAP-Meta 将组装问题抽象为半群的问题和图算法进行计算, 其中基于 De Bruijn 图算法的序列组装问题可以转化为一个典型的半群问题, 参考图 1 用户可通过自定义的半群操作规则以及相关联的子集范围来实现自动的异步运行, 提高并行性和扩展性 SWAP-Meta 用于宏基因组数据的组装, 其主要创新点是 : (1) 异步并行的 SWAP 计算框架为了应对规模庞大的数据量, 宏基因组组装需要更高的可扩展性很多动植物测序数据就有几百 GB, 例如人类基因组测序数据可达到 500GB, 鹦鹉的可达到 1TB 相比于传统的单机 de Bruijn 图组装策略, 我们需要能够使用超级计算机的分布式高可扩展的序列组装算法, 只有这种组装策略才能够胜任 TB- 32

4 孟金涛等 : 基因与疾病关联分析中的宏基因组组装工具 SWAP-Meta PB 级的宏基因组数据组装的需求由于大同步模型 (BSP) 的计算 - 通讯 - 同步机制, 在计算和通讯阶段会遇到计算或者通讯热点而导致全局的等待, 而当计算核的规模超过万核后, 同步阶段也会产生较大的延迟而影响上层软件系统的扩展性因此我们设计了新的可快速处理 TB 级别大规模图的可扩展的 SWAP 计算模型, 参见图 2 在此基础上我们开发了高可扩展的宏基因组组装软件 SWAP-Meta (2) 多步双向 De Brujin 图的构造序列组装有两种组装策略, 一个是早期的先重叠后扩展 (OLC) 组装策略, 另外一个是基于 De Bruijn 图的组装策略先重叠后扩展 (OLC) 组装策略虽然计算复杂度高, 但由于它使用了完整序列, 从而不存在短基因重复序列解耦问题基于 De Bruijn 图的组装策略虽然计算复杂度为线性, 但它在构造图的时候将序列打碎为 kmer 从而使得大于 kmer 长度并小于序列长度的重复序列在 De Bruijn 图中形成环状结构而无法解耦基于以上两种策略的算法具有较差的并行性 ; 同时在图的简化过程中, 传统 De Bruijn 图中的环结构就会阻碍 contig 的扩展虽然 SOAPdenovo 算法使用一些激进的策略来提高 contig 的长度, 但是却很容易产生错配, 最终牺牲 contig 准确度 SWAP-Meta 使用双向多步 De Bruijn 图结构来抽象序列组装问题 [22-23], 并在此图结构上使用变长 kmer 查询的技术来为构造后的 De Bruijn 图补充一些局部缺失的序列连续性信息我们通过限制变长 kmer 的数量, 定向在序列数据中查询一个非常小的给定 kmer 集合的出现频率, 从而限制这步操作的计算复杂度和空间复杂度同时我们基于这些变长 kmer 频率并使用模糊匹配的算法来定向为图中的分叉顶点和分支边进行路径选择, 尽量提高 contig 的长度, 并最小化相应的扩展过程带来的准确度的损失 (3) Contig 正确性由于宏基因组中微生物个体具有丰度不均的特 Reads Genomic DNA Sample SGA Sequencing unanimous path merging Represent reads with De Bruijn graph 抽象为边合并 Output long paths as contigs 图 1 基因组装使用双向多步 De Bruijn 图结构转换为半群问题 Fig. 1 Multi-step Bi-directed Graph can be used to abstract the genome assembly problem into a semi-group. SWAP 计算模型 Lock Compute Unlock 图 2 SWAP 异步并行计算模型 Fig. 2 SWAP asynchronous parallel computational model 33

5 科研信息化技术与应用,2014, 5 (3) 点, 相应的基因序列纠正和 De Bruijn 图错误结构纠正算法也不能再使用单基因个体序列纠正算法会把低丰度的基因误当做测序错误过滤或者纠正, 而这些常规的基于丰度均一分布假设的算法都不再适用于宏基因组因此新的基于非均一分布假设 ( 例如 log normal power law 分布 ) 的数据纠错对于提高 contig 正确性具有重要作用其次对于 De Bruijn 图错误结构, 例如 tips bubbles 错误链接自环顶点重复边等, 原有的基于丰度均一的策略都不再有效, 而基于局部相对丰度差异的方法是错误结构判定以及解耦的更加准确和有效的方式, 对错误情况的细分和针对性的唯一解耦算法将更好保障 contig 的准确性, 同时对 De Bruijn 图收缩和 contig 长度的提高也有益处 (4) 未知物种 contig 分类宏基因组组装后, 所有物种的 contig 都混合在一起, 如何将这些 contig 按照物种分离, 并重构原始物种的基因组, 这实际上是宏基因组组装一个最大的挑战现有的宏基因组组装软件最大只能分离几十种微生物个体的基因组, 但是上百甚至上千种微生物个体的基因组分离, 特别是更有价值的低丰度物种的精准组装和分离, 对后续基因分析标注和病体关联分析是至关重要的现有的流行宏基因组组装软件包括 Ray-Meta Meta-Velvet IDBA-UD, 除了 Meta-Velvet 以外, 其他两个软件的模拟数据均服从 power-law power-law [24] 分布更适用于肠道菌群的数据, 因此基于 powerlaw 的模拟数据生成是一个较好的策略鉴于 IDBA- UD 是以上组装软件中组装结果最好的一个软件, 下面我们选取 IDBA-UD SOAPdenovo 以及我们的 SWAP-Meta 做宏基因组的组装分析和对比我们选择 10 个菌种设计模拟数据, 总参考基因组大小约为 46Mbp 我们设计的丰值服从 power-law ( 见表 1 的测序深度值 ), 以此生成 10 个样品, 随机给样品中每个菌赋给丰度值, 并固定一个菌在所有样品中都是最低的丰度值 ( 见表 2) (1) 每个样品大小为 0.18GB 数据中最低丰度值的菌在一个样品中达到 0.8 层左右的测序深度, 而最高丰度值的菌的测序深度为约 12 层, 详细信息参考表 1 把 10 个样品合并在一起后,unique-kmer 约为 36M, 其中绝大部分是错误 kmer,multi-kmer 约为 47M, 错误 kmer 数大大减少 (2) 使用同样的参数和脚本, 我们生成 10 组这样的数据, 并将这 10 组数据合并为一套 1.8 GB 的混合表 1 模拟数据物种信息 Table 1 Details of simulated datasets 物种名称基因组大小序列数量测序深度测序覆盖度 Burkholderia_xenovorans_LB400_uid Vibrio_cholerae_O1_biovar_El_Tor_N16961_uid Psychrobacter_PRwf_1_uid Leptothrix_cholodnii_SP_6_uid Desulfovibrio_salexigens_DSM_2638_uid Pantoea_vagans_C9_1_uid Yersinia_pseudotuberculosis_IP_32953_uid Shewanella_baltica_OS223_uid Haemophilus_influenzae_PittEE_uid Azotobacter_vinelandii_DJ_uid

6 孟金涛等 : 基因与疾病关联分析中的宏基因组组装工具 SWAP-Meta 宏基因组数据对以上数据, 我们用 IDBA-UD DOAPdenovo 以及 SWAP-Meta 分别组装和分析, 表 3 中显示组装结果表 3 结果显示 IDBA-UD 可以在低丰度和高丰度的宏基因组数据都生成较高的 contig N50 长度和最长 contig 长度, 并且在 contig 的数量上也较其他两者少然而在组装的 contig 总长度上 SWAP-Meta 要优于 IDBA-UD 和 SOAPdenovo, 同时 SWAP- Meta 是这 3 个宏基因组组装软件中唯一的一个并行组装软件, 它更适合于组装 TB 级别的人类肠道宏基因组数据 3 展望基因测序技术正在深刻地影响着疾病预防诊疗生物农业等人们生活的方方面面, 在医药行业 (DNA 测序已经被证实能够帮助治疗癌症 ) 材料科学生物燃料 ( 石油的替代品 ) 种植业以及畜牧业等领域将起到巨大的作用其中基于基因技术的疾病诊断等健康服务具有最为庞大的市场需求疾病重在预防, 但预防重在预知, 如果不知道自己的基因型而去预防疾病, 结果可能适得其反通过基因检测, 人们可以了解自己的内因风险, 做到有目的有针对性的预防据卫生部统计, 我国每年高达 5000 万住院病人, 医疗费用开支占到 GDP 的 14%; 每年有 250 万人因药物不良反应而住院 ; 每年有 20 万人因不合理用药而死亡通过基因检测和辩证用药, 给病人找到最合适的药物, 不仅降低了不必要的医疗支出, 更避免对人体造成不必要的伤害通过对宏基因组数据的分析, 将有助于揭示遗传与变异奥秘, 推动基因诊断基因治疗药物设计由于基因数据量巨大, 例如一台测序仪 ( 比如 Illumina 表 2 模拟数据 1 和模拟数据 2 基因组覆盖度对比 Table 2 Coverage depth comparison on dataset 1 and dataset 2 物种名称模拟数据 1 基因组覆盖度模拟数据 2 基因组覆盖度 Burkholderia_xenovorans_LB400_uid Vibrio_cholerae_O1_biovar_El_Tor_N16961_uid Psychrobacter_PRwf_1_uid Leptothrix_cholodnii_SP_6_uid Desulfovibrio_salexigens_DSM_2638_uid Pantoea_vagans_C9_1_uid Yersinia_pseudotuberculosis_IP_32953_uid Shewanella_baltica_OS223_uid Haemophilus_influenzae_PittEE_uid Azotobacter_vinelandii_DJ_uid 表 3 组装结果分析 Table 3 Assembly results comparison 模拟数据模拟数据 1 (0.18 GB) 模拟数据 2 (1.8 GB) IDBA-UD SOAPdenovo SWAP-Meta IDBA-UD SOAPdenovo SWAP-Meta Contig 的个数 contig 总长度 13,975,446 13,481,443 14,430,458 46,289,067 45,830,914 47,155,348 最长 Contig 长度 352,257 78,278 34, , , ,222 Contig N50 长度 69,394 10,655 3, ,370 27,374 34,206 35

7 科研信息化技术与应用,2014, 5 (3) HiSeq 2000) 能够在几天里产生两亿条序列片段, 如此大的数据规模将对传统的软件工具提出新挑战, 因此开发新的适合高通量测序数据分析应用的算法和软件工具将成为影响着产业应用发展的关键基因技术本身的发展和成熟必将同时推动政府制定相应的政策为基因技术在健康等领域的推广提供政策保障以基因工程制药基因诊断和基因治疗物种改良和环境改造等为主要内容的基因产业, 是人类永远的朝阳产业而在基因技术的成熟和国家政策的帮助下, 全球从 IT 产业到 BT 产业 ( 生物技术 ) 是经济发展的必经趋势 2009, 37(suppl 2): W600-W605. [10] Barrett J C, Cardon L R. Evaluating coverage of genomewide association studies[j]. Nature genetics, 2006, 38(6): [11] Le Chatelier E, Nielsen T, Qin J, et al. Richness of human gut microbiome correlates with metabolic markers[j]. Nature, 2013, 500(7464): [12] Arumugam M, Raes J, Pelletier E, et al. Enterotypes of the human gut microbiome[j]. Nature, 2011, 473(7346): [13] Hildebrandt, M. A., Hoffmann, C., Sherrill Mix, S. A., Keilbaugh, S. A., Hamady, M., Chen, Y. Y.,... & Wu, G. D. (2009). High-fat diet determines the composition 参考文献 [1] Graf M D, Needham D F, Teed N, et al. Genetic testing insurance coverage trends: a review of publicly available policies from the largest US payers[j]. Personalized Medicine, 2013, 10(3): [2] 基因技术走入深圳百姓家. 大公报. takungpao.com/q/2013/0826/ html. [3] 23andMe. [4] Baxevanis A D, Ouellette B F F. Bioinformatics: a practical guide to the analysis of genes and proteins[m]. Wiley. com, [5] Wang J T L, Zaki M J, Toivonen H T T, et al. Introduction to Data Mining in Bioinformatics[M]. Springer London, [6] Higgins D, Taylor W. Bioinformatics: sequence, structure, and databanks: a practical approach[m]. Oxford University Press, Inc., [7] Moore J H, Asselbergs F W, Williams S M. Bioinformatics challenges for genome-wide association studies[j]. Bioinformatics, 2010, 26(4): [8] Reis-Filho J S. Next-generation sequencing[j]. Breast Cancer Res, 2009, 11(Suppl 3): S12. [9] Xu Z, Taylor J A. SNPinfo: integrating GWAS and candidate gene information into functional SNP selection for genetic association studies[j]. Nucleic acids research, of the murine gut microbiome independently of obesity. Gastroenterology, 137(5), [14] Turnbaugh, Peter J., and Jeffrey I. Gordon. "An invitation to the marriage of metagenomics and metabolomics." Cell (2008): [15] Ehrlich S D. MetaHIT: The European Union Project on metagenomics of the human intestinal tract[m] Metagenomics of the Human Body. Springer New York, 2011: [16] Qin J, Li R, Raes J, et al. A human gut microbial gene catalogue established by metagenomic sequencing[j]. Nature, 2010, 464(7285): MLA [17] Gill S R, Pop M, DeBoy R T, et al. Metagenomic analysis of the human distal gut microbiome[j]. science, 2006, 312(5778): [18] Luo R, Liu B, Xie Y, et al. SOAPdenovo2: an empirically improved memory-efficient short-read de novo assembler[j]. GigaScience, 2012, 1(1): 18. [19] Boisvert S, Raymond F, Godzaridis É, et al. Ray Meta: scalable de novo metagenome assembly and profiling[j]. Genome biology, 2012, 13(12): R122. [20] Peng Y, Leung H C M, Yiu S M, et al. IDBA-UD: a de novo assembler for single-cell and metagenomic sequencing data with highly uneven depth[j]. Bioinformatics, 2012, 28(11):

8 孟金涛等 : 基因与疾病关联分析中的宏基因组组装工具 SWAP-Meta [21] Namiki T, Hachiya T, Tanaka H, et al. MetaVelvet: an extension of Velvet assembler to de novo metagenome assembly from short sequence reads[j]. Nucleic acids extension of Velvet assembler to de novo metagenome assembly from short sequence reads[j]. Nucleic acids research, 2012, 40(20): e155-e155. research, 2012, 40(20): e155-e155. [22] Meng J, Yuan J, Cheng J, et al. Small World Asynchronous Parallel Model for Genome Assembly[M]//Network and Parallel Computing. Springer Berlin Heidelberg, 2012: [23] Meng J, Wang B, Wei Y, et al. SWAP-Assembler: Scalable and Efficient Genome Assembly towards Thousands of Cores, in 4th annual RECOMB satellite workshop on massively parallel sequencing (RECOMBseq 2014), April, [24] Namiki T, Hachiya T, Tanaka H, et al. MetaVelvet: an 收稿日期 :2014 年 1 月 20 日孟金涛 : 中国科学院深圳先进技术研究院, 博士研究生, 主要研究领域为并行分布式计算生物信息学 jt.meng@siat.ac.cn 魏彦杰 : 中国科学院深圳先进技术研究院, 副研究员, 博士, 主要研究领域为蛋白质折叠和结构预测基因序列组装和分析 yj.wei@siat.ac.cn 37

<30302DB7E2C3E6CDC6BDE9A3A D34A3A92E6D6469>

<30302DB7E2C3E6CDC6BDE9A3A D34A3A92E6D6469> 212 绎 Vol.14 No.5 ScienceDirect 阴元元元元 / 99978 5 doi: 1.3969/j.issn.1674-3849.212.5.3 2 1 29 72.7% 21 27.1% 24.26% 1 [1] 1 2 21 7.85 [2] 1 29 21% 662 26 9.38 211 3.8 27.2% 1 212-3-26 212-1-19 元 UL16/9-Y4/CMS/WYT1/ICMS