macでインフォマティクス

macでインフォマティクス

HTS (NGS) 関連のインフォマティクス情報についてまとめています。

リファレンスフリーでロングリードアセンブリのミスアセンブリを検出する LRMD

2026/09/26 追記

 

 ゲノムアセンブリはゲノミクス研究の基盤であり、ミスアセンブリ(誤アセンブリ)の検出は、その後の解析において重要な役割を果たす。リードのアラインメントを利用するリファレンスフリーのミスアセンブリ検出法を用いることで、高品質なリファレンスゲノムを必要とせず、より幅広い対象に適用することが可能となる。しかし、既存の手法ではアラインメント情報を十分に活用することが難しく、その結果、ミスアセンブリ検出の感度が明らかに不足している。本研究では、新規のリファレンスフリー型ミスアセンブリ検出ツールLRMDを開発した。LRMDは、ロングリードをアセンブリ配列へアラインメントした結果から得られる、リード深度(depth)、クリッピング(clipping)、およびリードのパイルアップ(read pileup)情報を統合することで、ミスアセンブリを同定する感度を大幅に向上させる。シミュレーションデータおよびリアルデータの両方を用いた評価実験の結果、LRMDは、感度およびF1スコアのいずれにおいても、既存ツールを一貫して上回った。特に、LRMDによる評価結果は、リファレンスベースのアセンブリ評価ツールであるQUASTによる評価結果に最も近かった。またLRMDは、アセンブリ評価ツールとして、塩基品質(base quality)、アセンブリサイズ、contig N50 などの指標も出力する。LRMDは以下で公開されている。http://github.com/sxfss/LRMD

 

Githubより

LRMD は、ロングリードをアセンブリ配列へマッピングした BAM を入力として、ミスアセンブリ候補領域を検出するPythonパイプラインである。カバレッジの異常、soft clip、pileup の不一致など複数の特徴を組み合わせ、候補をBED形式で出力する。Oxford Nanopore(ONT)または PacBio HiFi のロングリードアセンブリのエラーチェックに利用できる。

インストール

Github

mamba create -n lrmd -c conda-forge -c bioconda python=3.9 biopython pysam pybedtools pyfastx pyyaml numpy pandas scipy scikit-learn matplotlib seaborn statsmodels minimap2 samtools mosdepth pip
conda activate lrmd
pip install paralleltask==0.2.1 psutil==5.9.5
git clone https://github.com/sxfss/LRMD.git
cd LRMD

> python lrmd/pipe_main.py --help

usage: pipe_main.py [-h] [-t THREADS] [--work-dir WORK_DIR] --ref REF [--fastq FASTQ] --bam BAM [--log LOG] [--min-contig MIN_CONTIG] [--config CONFIG]

 

detect misassembly

 

optional arguments:

  -h, --help            show this help message and exit

  -t THREADS, --threads THREADS

  --work-dir WORK_DIR   work directory to output results

  --ref REF

  --fastq FASTQ         fastq reads file

  --bam BAM

  --log LOG

  --min-contig MIN_CONTIG

                        skip SV consensus process contig shorter than this, keep with raw

  --config CONFIG

 

 

実行方法

入力はアセンブリfastaとBAMとなる。ONT データでは map-ont、HiFi データでは map-hifi を使う。

# ONTリードをアセンブリへマッピング(ONTの場合)
minimap2 -ax map-ont -t 8 assembly.fasta reads.fastq.gz | samtools sort -@ 8 -o aln.sort.bam
samtools index -@ 8 aln.sort.bam

#LRMD実行
python lrmd/pipe_main.py -t 8 --work-dir LRMD_output --ref assembly.fasta --bam aln.sort.bam --config Configs/Config-ont.yaml

HiFi リードでは、最初の行を minimap2 -ax map-hifi に変更し、設定ファイルに Configs/Config-hifi.yaml を指定する。コンティグ長が 20 kb 未満のものを解析対象に含めるには、必要に応じて --min-contig を小さく指定する。

 

出力

LRMD_output/step2_candidate_region/

LRMD_output/step2_candidate_region/filtered2/

最終候補はfiltered2にBED形式で保存される。コンティグごとに結果は出るため、0バイトのファイルも出る可能性がある点に注意する。

> head contig_263:0-21083.bed
contig_263      10000   10000   low_supp_mis    [10000, 10000]

(十分な数のロングリードで連続的に支持されていないため、ミスアセンブリ候補として報告された)

候補領域の中間結果は candidate/、深さ情報は depths/、pileup は pileup/ に保存される。

 

コメント

LRMDは、完成したde novo assemblyにロングリードを再マッピングして、reference genomeなしでmisassemblyを見つけるためのツールですが、circular MAGの品質確認にも有用そうです。ロングリードのみで環状化したMAGでは、実際のゲノム長より短い段階で閉環してしまうミスアセンブリが生じる事がしばしばあります。このようなミスアセンブリを確認するには、アセンブリ上の特定位置で多数のロングリードが共通してクリッピングされていないかを調べるのが有効です。LRMDはまさにこの情報を利用してミスアセンブリを検出するため、circular MAGのエラーチェック用途にも活用できると思われます(閉環のミスを検出するためにはスタート位置を1kb~10kbくらい変える必要があります)。

(clippingについて、clip長 ≥ 500 bp、同一周辺領域で少なくとも5 reads、clipped readの割合 ≥ 0.35、1 kb程度のwindow内で集積、の条件を採用している)

引用

LRMD: Reference-Free Misassembly Detection Based on Multiple Features from Long-Read Alignments

Xianfeng Shi, Fan Nie, Jianxin Wang

bioRxiv, Posted November 08, 2025.

 

関連