牛！新方法用普通电脑组装基因组只需几分钟

麻省理工学院（MIT）和法国巴斯德研究院（Institut Pasteur）合作开发了一套全新的组装基因序列的方法，仅需使用普通的个人电脑，组装整套基因序列速度比现在最先进的方法快近百倍，所用的资源只需五分之一。

这份9月4日发表于《细胞·系统》（Cell Systems）的研究说，研究人员从语言学模型获得启发，如果按照单词、而不是使用字母汇编语言，速度会快很多。

这份研究的作者之一麻省理工学院数学教授伯杰（Bonnie Berger）说：“这种快速组装基因组的能力对于评估肠道微菌变化、细菌感染相关的疾病有重要作用，能够快速进行治疗，挽救生命。”

2003年由世界多国科学家合作组装完成第一份人类的基因序列，耗资27亿美元，花了十几年的时间才完成。之后至今，虽然基因测序成本在降低、耗时在减少，但是由于涉及的数据量大、算法复杂，现在仍然需要很强大的电脑、耗时几天才能完成。

伯杰和同事借鉴了语言学的模型，在现有德•布鲁因图（de Bruijn graph）的基础上，他们开发了最小空间化德•布鲁因图（minimizer-space de Bruin graph，简称mdBG），使用核苷酸短序列，而不是单个的核苷酸。

“我们的最小空间化德•布鲁因图只储存整套核苷酸的一小部分，但是却能保留整个基因组的结构，所以这个方法比传统的德•布鲁因图效率高出好几个数量级。”

研究人员用这个新方法挑战组装果蝇基因、以及美国太平洋生物科学公司（PacBio）提供的人体基因数据，并以现今为止最准确的HiFi数据作为标准。

结果显示，使用这个新方法所花的时间比其它基因组装算法少了33倍，电脑内存（RAM）少用了8倍。从软件的角度比较，这套算法比Peregrine组装法快了81倍，内存少用18倍；比hifiasm组装法快338倍，内存少用19倍。

之后，研究人员还用这个方法为661,406个细菌基因组建立索引，这份数据是目前为止同类中最大型的一份。他们发现，扫描整个数据集找到抗菌耐药基因只需13分钟，如果用常规的序列对照方法则需要7个小时。