乐投letou生物报路：2021年2月22日，，，，，《表型组学》（Phenomics）期刊在线颁发了暨南大学张弓和金静洁团队以及丽江承启生物科技有限公司合作题为The Ultrafast and Accurate Mapping Algorithm FANSe3: Mapping a Human Whole?Genome Sequencing Dataset Within 30 Minutes的钻研论文。。。。。。。该钻研通过全新的数据结构和并行战术，，，，，开发了FANSe3代算法，，，，，该算法在高达12%的错配率情况下可保障给出数学上的最优解，，，，，提供正确而急剧的测序数据处置。。。。。。。
 
目前，，，，，科学界超过95%、医学利用领域超过99%的二代测序利用必要将测序所得的reads（短读序列）向参考基因组或参考转录组序列进行比对，，，，，这一过程称为mapping，，，，，中文译为“急剧比对”、“映射”、“回帖”等等，，，，，但目前无统一翻译。。。。。。。由于所有的生物学意思的分析，，，，，如突变检测、基因表白量检测等，，，，，均高度依赖于mapping的了局，，，，，因而mapping速度和精度都至关沉要。。。。。。。
在这一领域，，，，，早期算法如MAQ等，，，，，利用了与BLAST类似的seed-hash道理，，，，，稳重性较好，，，，，但内存亏损大、运算速度慢，，，，，在处置大规模的工作如千人基因组打算时，，，，，只能使用超等推算机来运算，，，，，成本太高，，，，，难以遍及。。。。。。。2009年，，，，，Burrows-Wheeler Transform (BWT) 道理的算法如BWA, Bowtie等出现，，，，，使得mapping速杜仔了飞跃式提高，，，，，能够用一台高机能台式机在一两天内mapping实现一幼我基因组的数据集，，，，，因而迅速成为主流。。。。。。。然而在算法领域，，，，，在道理没有理论突破的情况下，，，，，速度和精度通常不成得兼，，，，，想快就禁绝，，，，，要准就快不起来，，，，，这种情况在BWT类算法上阐发得尤为显著。。。。。。。BWT正本是为文件压缩而开发的数据结构，，，，，并不思考错配。。。。。。。现实遇到了read与参考序列之间有错配时，，，，，搜索树会导向谬误的分支，，，，，要将其纠正回正确的分支将支出很大的推算价值，，，，，甚至依然不能纠正而导致谬误mapping或直接抛弃。。。。。。。
在现实生物学利用中，，，，，有生物学意思的结论往往存在于reads中的那些错配，，，，，例如最常见的基因组SNP、突变分析。。。。。。。因而使用BWT类算法，，，，，往往导致严沉的假阴性和假阳性问题，，，，，并且分歧算法、分歧参数设置，，，，，得出的结论大不一样，，，，，2012年时即被Nature Reviews Genetics文章斥为“可沉复性；；；；；；；薄。。。。。。

确保数学上的最优精确度
为相识决mapping的正确性和稳重性问题，，，，，暨南大学张弓团队开发了FANSe系列mapping算法。。。。。。。该算法选取了数学上更稳重的seed-hash道理，，，，，避开了对错配难以正确处置的BWT道理，，，，，因而其正确率罕见学证明。。。。。。。在肯定前提下（当前主流测序仪已不难满足），，，，，FANSe可100%保障给出数学上的最优解，，，，，并且在高达12%的错配率情况下可保障给出数学上的最优解。。。。。。。
现实测试批注，，，，，在基因组突变检测、转录组基因表白检测、新剪切变体检测、非模式物种分析上，，，，，FANSe算法以绝对优势战胜BWA, Bowtie等算法，，，，，险些齐全切合尝试验证。。。。。。。如此高的正确度，，，，，使高度精密和稳重的组学分析成为可能。。。。。。。30个生物学样品中高丰度内参基因测序定量误差仅为0.0053%，，，，，全转录组定量生物学沉复有关性高达R2=0.98，，，，，这是以往技术沉复都不容易达到的高有关性。。。。。。。另一方面，，，，，如此高的精度也能够大幅度降低测序通量的需要。。。。。。。使用FANSe算法，，，，，能够只使用通常转录组测序通量的百分之一，，，，，便可靠得住定量细胞内单拷贝mRNA，，，，，而如此低通量下所鉴定到的基因差距表白倍数，，，，，都能够被qRT-PCR所验证。。。。。。。这使转录组测序成本大幅度降落。。。。。。。

若何解决速度问题
FANSe1代的速度极度慢，，，，，只能满足原核生物基因组和真核生物转录组的需要。。。。。。。FANSe2代起头选取并行战术，，，，，并优化了索引表结构，，，，，使mapping人基因组成为可能，，，，，速度达到了同期Bowtie2的水平。。。。。。。但FANSe2并不适应高机能的多核平台，，，，，且对indel运算效能较低。。。。。。。
因而，，，，，张弓教授与丽江承启生物科技有限公司的研发人员一路，，，，，开发了FANSe3代算法，，，，，选取了全新的数据结构和并行战术，，，，，大幅度提升了匹配速杜纂indel处置效能，，，，，并针对Intel Xeon E5之后的CPU环形总线/Mesh总线架构进行优化，，，，，在人全基因组测序数据的mapping过程中比BWA快7.5倍以上，，，，，且能更充分利用CPU超线程的能力。。。。。。。FANSe3可在家用电脑单机上达成半幼时mapping完人全基因组、半分钟人表显子组的惊人速度，，，，，同时精度不打折扣。。。。。。。至于转录组和翻译组测序，，，，，张弓教授团队已在2017年展示了均匀1秒多分析一个转录组测序数据集的云平台，，，，，就是基于FANSe3的。。。。。。。不仅mapping速度刷新世界纪录，，，，，由于其了局正确，，，，，使得突变检测等次级分析极度方便，，，，，不再必要如GATK那样的多步校对与过滤。。。。。。。与FANSe3配搭的突变分析？？？？？？？，，，，，能够在单机上5分钟内实现SNV列表的输出，，，，，而GATK必要5幼时以上。。。。。。。
由于其极高的处置效能，，，，，丽江承启生物科技有限公司已将FANSe3部署在云平台上，，，，，为公家提供正确急剧的测序数据处置，，，，，用户不用自己进建复杂的生物信息学知识，，，，，也不必要自己采办守护高机能推算集群，，，，，通过网络即可享受立等可取的测序分析。。。。。。。这将彻底扭转目前业界分析成本高昂的近况。。。。。。。

全自主开发保障在国际业务严格局势下不被卡脖子
FANSe3另一个个性是全自主开发，，，，，不使用任何贸易化的函数库，，，，，不使用SSE等高级指令集，，，，，也不使用GPU、FPGA等专用芯片加快（由于底子没有必要）。。。。。。。这使得其可移植性和扩大性险些没有任何限度。。。。。。。在目前国际业务争端局势严格的情况下，，，，，无论在软件和硬件层面，，，，，使用FANSe算法都险些不会被国表卡脖子。。。。。。。
目前虽有其他一些国内研发的同类软件，，，，，但险些均选取BWT类道理，，，，，其使用的运行库和函数库大部门必要国表授权（如SOAP2）；；；；；；；或者依赖专用硬件（如Aurora系统），，，，，但国内尚无法自主研发出产高机能的GPU、FPGA等专用芯片。。。。。。。FANSe3则能够通过略微的批改和沉新编译，，，，，运行在各类国产CPU上。。。。。。。固然国产CPU的机能离国际先进水平尚有差距，，，，，但FANSe3超高效力以及险些齐全线性的并行机能增长，，，，，使得使用履历能够比肩国表的推算硬件。。。。。。。这无疑为精准医学领域的国度安全提供了坚实保险。。。。。。。
正由于如此，，，，，基于FANSe3的高精度分析流程被作为国度沉点研发打算项目“医学性命组学数据质量节造关键技术研发与利用示范”的尺度流程，，，，，今后将对整个行业起到引领和规范的作用。。。。。。。
当然，，，，，FANSe3代依然不是终点。。。。。。。由因而全自主开发，，，，，因而研发团队能够持续增长新职能和优化机能。。。。。。。目前，，，，，丽江承启生物科技有限公司已部署下一代的FANSe4算法，，，，，直接舍弃了单机版本的支持，，，，，充分利用云平台的硬件架构个性进行加快，，，，，进一步提高并行效能，，，，，针对人基因组利用做专门优化，，，，，内置SNV检测辅助职能和RNA定量推算职能，，，，，使得分析效能进一步成倍提高。。。。。。。2020年6月，，，，，承启生物公发展示了5分钟分析实现一幼我基因组测序数据集并输出SNV列表的惊人速度，，，，，被福布斯、央广网、中国科技网等新闻媒体宽泛报路。。。。。。。
暨南大学张弓教授为本文第一作者，，，，，张弓教授和金静洁为本文通讯作者。。。。。。。该钻研获得科技部国度沉点研发打算项目“医学性命组学数据质量节造关键技术研发与利用示范”的赞助。。。。。。。