HALC：用于长读取错误纠正的高吞吐量算法

背景：

第三代PacBio SMRT长读取可以有效地解决第二代测序技术的读长问题，但包含大约15％的测序错误。已经设计了几种纠错算法以有效地将错误率降低到1％，但是它们丢弃了大量未校正的碱基，因此导致低吞吐量。这种碱基损失可能会限制下游组件的完整性和分析的准确性。
结果：

在这里，我们介绍HALC，一种用于长读取错误纠正的高吞吐量算法。 HALC将长读数与来自相同物种的短读取重叠群对齐，具有相对较低的同一性要求，使得长读取区域可以与至少一个重叠区域对齐，包括其真正的基因组区域在重叠群中与其充分相似的重复序列（类似的基于重复的比对方法）。然后构建重叠图，并且对于每个长读取，引用其他长读数“比对以找到最准确的比对并用比对的重叠区域校正它（基于长读取支持的验证方法） 。

即使在重复序列中没有真实基因组区域的一些长读取区域用它们的重复进行校正，这种方法使得可以用初始不足的短读取进一步细化这些长读取区域并校正其间的未校正区域。

在我们对大肠杆菌，拟南芥和Maylandia斑马数据集的性能测试中，HALC能够比现有算法获得高出6.7-41.1％的吞吐量，同时保持相当的准确度。

因此，HALC校正的长读数可导致比现有算法长11.4-60.7％的组装重叠群。
结论：HALC软件可以从以下网站免费下载：https：//github.com/lanl001/halc。

X科研网 http://www.xkeyan.com/Journal/J1045/28381259.html