22、生物序列组装与比对技术解析

生物序列组装与比对技术解析

1. 序列比对工具的并行化

在生物计算领域，通过将未知序列与多个已知序列进行比较，可以预测未知序列的二级和三级结构。同时，多序列比对（MSA）是使用系统发育方法构建系统发育树进行分子进化分析的初步步骤。

为了提高生物计算的效率，我们对最常用的序列比对工具进行了并行化处理。对于成对序列比对，我们并行化了Smith - Waterman算法；对于多序列比对，我们并行化了Clustal W工具。这些并行化操作不仅加快了生物计算的速度，还通过利用我们开发的并行计算技术降低了整体内存需求。

2. 大规模序列组装

2.1 相关研究

序列组装的目的是将从DNA序列中破碎的片段恢复并组装成原始序列。目前，最广泛使用的破碎DNA序列的方法是全基因组鸟枪法（WGS），它比其他方法更便宜、更快捷。WGS将基因组破碎成许多不同大小的片段，破碎方式有多种，例如物理摇晃DNA和使用限制性酶切割。

下面通过一个简单的例子来说明WGS的基本原理：
- 基因组：ATGCGTAGCTGTAGTGATCGAGGTCCAAGTAGCTGT
- 第一份拷贝的读取片段：ATGCGTAG, CTGTAGTG, ATCGAGGT, CCAAGTAG
- 第二份拷贝的读取片段：GTAGCTGT, AGTGATCG, AGGTCCAA, GTAGCTGT

这个例子是一个简单理想的全基因组鸟枪法情况，只有两份基因组拷贝，所有读取片段大小相同，没有测序错误，所有核酸都已被识别。但仅从一份拷贝的读取片段无法组装成原始基因组，因为缺乏它们相对位置的信息，即“上下文”。因此，至少需要两份基因组拷贝