基因組測序？
不少人對這個名字還有些陌生，但早在30多年前，人類基因組測序計劃就已經(jīng)成為破譯人類遺傳密碼的大科學(xué)工程，并與曼哈頓原子彈計劃、阿波羅登月計劃并稱為“20世紀(jì)人類三大科學(xué)計劃”。
所謂基因組測序，就是一種新型基因檢測技術(shù)，能夠從血液或唾液中分析測定基因全序列，鎖定個人病變基因，提前預(yù)防和治療。多年前，蘋果公司創(chuàng)始人史蒂夫·喬布斯在確診胰腺癌后，曾花費(fèi)10萬美元進(jìn)行個人基因組測序，引發(fā)公眾關(guān)注。
如今科技發(fā)展日新月異，完成一個人的全基因組測序，已經(jīng)是普通實(shí)驗(yàn)室甚至家庭都可以負(fù)擔(dān)得起的“平常事”。以當(dāng)下火熱的第三代測序?yàn)槔瓿蓚€人全基因組測序僅需1天時間，有的費(fèi)用已經(jīng)低于5萬元。
不過，第三代測序技術(shù)也面臨著一個尷尬困境：要完成這樣數(shù)據(jù)規(guī)模的全基因組組裝分析，需要消耗50萬個CPU小時，只能在超大計算機(jī)集群上進(jìn)行。這種情況下，同時對大量個體的全基因組進(jìn)行組裝分析，是難以想象的。
以全基因組組裝方式對群體進(jìn)行測序分析，成為生物和醫(yī)學(xué)研究的趨勢。生物信息學(xué)領(lǐng)域的科學(xué)家們，也致力于改變這種數(shù)據(jù)產(chǎn)出速度高于數(shù)據(jù)分析速度的尷尬狀況，不斷開發(fā)出更高效的組裝分析算法。
如今，中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)基因組研究所博士阮玨與美國哈佛大學(xué)醫(yī)學(xué)院博士李恒合作，研發(fā)出第一個能夠跟上基因組測序產(chǎn)生速度的組裝算法——Wtdbg。
國際學(xué)術(shù)期刊《自然—方法學(xué)》(Nature Methods)近日刊發(fā)了這一成果的論文，其中提到，這一算法極大提高三代測序數(shù)據(jù)的分析效率，與今年4月科學(xué)家研發(fā)的Flye算法相比，分析速度提升了5倍，并首次將測序數(shù)據(jù)分析時間降低到少于測序數(shù)據(jù)產(chǎn)出時間。
據(jù)阮玨介紹，Wtdbg算法的開發(fā)得益于一個新的組裝圖理論的提出，將測序數(shù)據(jù)切分為固定長度的短串，再從短串構(gòu)建出的圖上恢復(fù)出全基因組序列。
“由于第二代測序錯誤率低，大部分短串是正確的，相同的短串間可以利用德布魯因圖的原理合并起來構(gòu)成組裝圖?！比瞰k說，突破性的方法基于突破性的理論基礎(chǔ)。
從2013年開始，阮玨和李恒著手解決第三代測序組裝的問題，隨后在德布魯因圖基礎(chǔ)上，設(shè)計出一個新的組裝圖理論——模糊布魯因圖。
“我們重新定義了‘短串’，新設(shè)計的模糊布魯因圖能夠容忍高噪聲數(shù)據(jù)，并隨后對生成組裝圖與恢復(fù)基因組序列做了大量相應(yīng)的重構(gòu)，使其兼具高效率和高容錯的優(yōu)點(diǎn)?！比瞰k說。
2016年，這一研究成果開始對所有人免費(fèi)開放使用，不僅被幾十篇學(xué)術(shù)論文引用，還被國內(nèi)多家基因測序分析公司作為主要組裝分析工具，并且在2019年世界大學(xué)生超算競賽中做為性能測試賽題。
阮玨說，這一研究成果表明我國在基因組算法領(lǐng)域具有了引領(lǐng)國際的實(shí)力，也代表了我國科技發(fā)展的軟實(shí)力。有了這個更快的全基因組組裝方式，也將有更多的人從中受益，比如，像史蒂夫·喬布斯那樣做一個基因組測序。(記者 邱晨輝)
