секвенирование

В данном исследовании рассматривается метод использования нанопорового секвенирования для анализа библиотек 10x Genomics single-nucleus multiome, что позволяет преодолеть ограничения стандартного секвенирования Illumina. В то время как короткие прочтения Illumina фиксируют только 3'-конец РНК-транскриптов, теряя информацию о сайтах начала транскрипции (TSS), нанопоровое секвенирование обеспечивает профилирование полноразмерных транскриптов. Авторы продемонстрировали успешное генетическое демультиплексирование данных нанопорового секвенирования, несмотря на его более высокий уровень ошибок по сравнению с традиционными методами. В ходе сравнительного анализа было установлено, что нанопоровое секвенирование мультиомной кДНК позволяет идентифицировать медианно 63% сайтов начала транскрипции (TSS), обнаруженных с помощью специализированного 5'-анализа. Исследование также предлагает оптимизированный подход к предобработке нанопоровых прочтений для повышения точности идентификации TSS. Данная методология имеет высокую значимость для биоинформатики и геномики, предоставляя более глубокое понимание транскрипционной активности на уровне отдельных ядер.

В статье представлен RastQC — новый инструмент для контроля качества данных высокопроизводительного секвенирования, написанный на языке Rust. Разработчики создали полную замену стандартному инструменту FastQC, устранив недостатки, связанные с зависимостью от Java, такие как высокий расход памяти и сложность развертывания. RastQC включает 12 стандартных модулей контроля качества, а также 3 дополнительных модуля для анализа длинных чтений (long-read), поддерживая форматы Oxford Nanopore (Fast5/POD5) и SOLiD. Тестирование на данных различных организмов, включая Homo sapiens, показало, что RastQC потребляет в 4–9 раз меньше оперативной памяти (59–125 МБ против 551–638 МБ у FastQC) при сохранении сопоставимой скорости работы. Инструмент демонстрирует 100% конкордантность с FastQC по результатам общих модулей и поставляется в виде единого статического бинарного файла размером всего 2,1 МБ. Это делает его крайне эффективным для интеграции в биоинформатические конвейеры и облачные системы обработки геномных данных.

Исследование посвящено решению проблемы точной идентификации видов грибов, что критически важно для экологии, пищевой безопасности и патологии растений. Авторы сравнивают два биоинформатических подхода для обработки данных секвенирования Oxford Nanopore (ITS-регион): традиционный CPU-конвейер с использованием байесовского движка машинного обучения и ускоренный GPU-конвейер, применяющий нейронные сети и модели сверхвысокой точности (SUP). Результаты показывают, что использование графических процессоров (GPU) значительно повышает точность на уровне видов за счет эффективной коррекции систематических ошибок в гомополимерных регионах. В то же время, внедрение автоматизированной оптимизации гиперпараметров в CPU-средах позволяет достичь стабильной кластеризации последовательностей и высокой таксономической согласованности на уровне рода. Данная работа предлагает масштабируемый протокол, позволяющий исследователям выбирать между максимальной точностью (GPU) и доступностью инфраструктуры (CPU) без существенной потери научной ценности данных.

В статье представлен EMITS — новый высокопроизводительный инструмент на языке Rust, предназначенный для точного количественного анализа грибковых сообществ на основе ITS-ампликонов. Основная проблема текущих методов заключается в неверном распределении прочтений между близкородственными видами при использовании наивного метода «лучшего совпадения». Разработчики применили алгоритм expectation-maximization (EM) для итеративного разрешения неоднозначных соответствий между прочтениями и референсными последовательностями из базы данных UNITE. Валидация инструмента проводилась с помощью симуляций, синтетических сообществ и реальных образцов Oxford Nanopore (ONT). Результаты показали, что EM-подход снижает ошибку L1 на 80–92% по сравнению с обычным подсчетом в условиях шума. В тестах на сообществах ONT инструмент успешно разделил виды внутри одного рода (например, Trichophyton mentagrophytes и T. simii), которые ранее классифицировались ошибочно. Использование EMITS позволило снизить количество ложноположительных результатов по численности на 54% и повысить общую точность на 13,4%.

Исследование посвящено разработке экономически эффективного метода оценки инбридинга у домашних собак с помощью ультранизкого покрытия полногеномного секвенирования (ulcWGS). Авторы предложили альтернативу дорогостоящему секвенированию с высоким или средним покрытием, что критически важно для популяционной и сельскохозяйственной генетики. В ходе работы был сконструирован многопородный референсный панель на основе образцов с высоким покрытием, после чего проводилась оценка инбридинга в независимых образцах ulcWGS через анализ участков гомозиготности (RoH) и коэффициентов инбридинга (F). С помощью нелинейной регрессии была смоделирована зависимость между этими показателями и глубиной секвенирования. Результаты подтвердили значительную корреляцию между относительными измерениями RoH и F, при этом у чистокровных собак было зафиксировано больше участков гомозиготности и более высокие коэффициенты инбридинга по сравнению со смешанными породами. Данный метод позволяет значительно снизить стоимость генетического мониторинга, делая его более доступным для широкого круга исследователей и селекционеров.

В исследовании представлен Germline VCF Annotator — специализированный двухэтапный рабочий процесс, разработанный для упрощения анализа герминальных вариантов, представленных в формате VCF. Инструмент решает проблему сложности прямого анализа VCF-файлов человеком и рисков искажения данных при импорте в таблицы. Методология включает нормализацию файлов, использование адаптивного Ensembl VEP для генерации стандартизированных аннотаций и извлечение метрик качества прочтений для присвоения классов контроля качества (QC) на основе правил. В качестве тестового набора данных использовался когортный анализ полногеномного секвенирования крипт толстой кишки, направленный на изучение локусов ответа на повреждение ДНК (DDR). Результаты показали почти идеальную согласованность данных внутри пациентов при техническом повторении после фильтрации немолчащих SNV с глубиной прочтения [≥] 15. Исследование также подтвердило отсутствие возрастной зависимости нагрузки DDR в исследуемых образцах. Разработанный пайплайн может быть масштабирован на любые наборы генов, требующие человекочитаемых сводок с сохранением доказательств аллельного происхождения.

Представлен MEIsensor — фреймворк глубокого обучения для обнаружения и классификации вставок мобильных элементов (MEI) в человеческом геноме на основе данных секвенирования длинными ридами. В отличие от традиционных подходов, опирающихся на выравнивание с библиотекой повторов, MEIsensor выполняет прямую аннотацию на основе последовательности для вставок Alu, LINE1 и SVA. Оценка на бенчмарках HGSVC с использованием HiFi-длинных ридов показала, что MEIsensor превосходит существующие инструменты по основным классам MEI при существенном улучшении вычислительной эффективности, особенно для структурно сложных вставок SVA. Ручная верификация подтвердила способность метода идентифицировать MEI в высокоповторяющихся геномных регионах, включая центромерные повторы высшего порядка, которые ранее отсутствовали в бенчмарк-наборах. Это исследование представляет собой важный шаг в развитии вычислительной геномики, где методы глубокого обучения позволяют преодолеть ограничения традиционных алгоритмов выравнивания. Инструмент может быть полезен для исследований наследственных заболеваний, связанных со структурными вариациями генома, и для персонализированной медицины. Однако в тексте не указаны конкретные числовые метрики точности или скорости, что ограничивает оценку практической значимости.

STRmie-HD — это вычислительный фреймворк для анализа экспансий коротких тандемных повторов в гене HTT, вызывающих болезнь Хантингтона. Инструмент использует алгоритмы регулярных выражений для де-ново генотипирования с определением прерываний повторов CAG/CCG и количественной оценки соматического мозаицизма на уровне отдельных чтений секвенирования. STRmie-HD валидирован на трёх платформах секвенирования: Illumina, PacBio SMRT и Oxford Nanopore, демонстрируя высокую согласованность с эталонными генотипами и превосходную чувствительность в обнаружении редких вариантов прерываний. Ключевые возможности включают измерение длины непрерывных CAG-трактов, содержание повторов CCG, выявление вариантов Loss of Interruption (LOI) и Duplication of Interruption (DOI), а также метрики для характеристики динамики повторов. Исследование показало, что мозаицизм значительно выше в тканях мозга по сравнению с периферической кровью, что подтверждает биологическую значимость инструмента для понимания патогенеза болезни Хантингтона. STRmie-HD предоставляет комплексное решение для молекулярной характеризации вариаций гена HTT, обеспечивая основу для стратификации пациентов и генетических исследований. Инструмент генерирует HTML-отчёты с визуализацией аллельных пиков и оценкой вариантов прерываний, что упрощает интерпретацию данных для исследователей.