據(jù)《細(xì)胞系統(tǒng)》雜志14日發(fā)表的一項(xiàng)研究，美國(guó)麻省理工學(xué)院（MIT）和法國(guó)巴斯德研究所的科學(xué)家開發(fā)出一種在個(gè)人計(jì)算機(jī)上重建包括人類基因組在內(nèi)的全基因組技術(shù),。這種技術(shù)比當(dāng)前最先進(jìn)的方法快大約一百倍,，且僅使用目前五分之一的資源。這項(xiàng)研究以單詞而非字母為語(yǔ)言模型提供壓縮的構(gòu)建模塊,，從而可以更緊湊地表示基因組數(shù)據(jù),。

“我們可以在一臺(tái)普通的筆記本電腦上快速組裝整個(gè)基因組和宏基因組，包括微生物基因組,，”MIT計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室教授波尼·博格說(shuō),，“這種能力對(duì)于評(píng)估與疾病和細(xì)菌感染（例如敗血癥）相關(guān)的腸道微生物組變化至關(guān)重要，這讓我們能夠更快地治療并挽救生命,?！?/span>

自人類基因組計(jì)劃開展以來(lái)，基因組組裝項(xiàng)目取得了長(zhǎng)足的進(jìn)步,，該計(jì)劃于2003年完成了首個(gè)完整的人類基因組組裝,，耗資約27億美元，并進(jìn)行了十多年的國(guó)際合作,。雖然目前完成人類基因組組裝已不再需要耗費(fèi)數(shù)年時(shí)間,，但仍然需要幾天時(shí)間和強(qiáng)大的計(jì)算機(jī)能力。第三代測(cè)序技術(shù)雖可提供具有數(shù)萬(wàn)個(gè)堿基對(duì)的,、太字節(jié)數(shù)量級(jí)的高質(zhì)量基因組序列,，但事實(shí)上，將如此巨量數(shù)據(jù)的基因組進(jìn)行組裝,，仍具有挑戰(zhàn)性,。

為了超越當(dāng)前技術(shù)從而更有效地進(jìn)行基因組組裝，包括在所有可能的讀數(shù)對(duì)之間進(jìn)行成對(duì)比較,，博格及其同事此次將研究目標(biāo)轉(zhuǎn)向了語(yǔ)言模型,。他們基于“de Bruijn”圖（一種用于基因組組裝的簡(jiǎn)單、高效的數(shù)據(jù)結(jié)構(gòu)）概念,，開發(fā)了一種極小空間“de Bruijn”圖,，它使用被稱為“極小值”的短核苷酸序列，代替單個(gè)核苷酸,。

博格表示：“極小空間‘de Bruijn’圖只存儲(chǔ)總核苷酸的一小部分,，同時(shí)保留了整個(gè)基因組結(jié)構(gòu)，使它們比經(jīng)典‘de Bruijn’圖更有效,?！毖芯咳藛T利用新方法為661406個(gè)細(xì)菌基因組的集合構(gòu)建了一個(gè)索引，這是迄今為止同類集合中最大的一個(gè),。他們發(fā)現(xiàn),，這項(xiàng)新技術(shù)可在13分鐘內(nèi)搜索整個(gè)集合中的抗菌素抗性基因，而使用標(biāo)準(zhǔn)序列比對(duì)這一過程需要7小時(shí),。

總編輯圈點(diǎn)

基因組組裝對(duì)于基因組分析的“前途”十分關(guān)鍵,，這其實(shí)是一個(gè)把測(cè)序產(chǎn)生的讀取片段經(jīng)過拼接再生成基因組堿基序列的過程。聽起來(lái)很繞,，但基因組組裝確實(shí)是生物信息學(xué)領(lǐng)域的核心問題,，因?yàn)楫?dāng)前測(cè)序技術(shù)獲得的序列一般都比較短，需要組裝拼接成較長(zhǎng)的,、完整的序列,，才能用于進(jìn)一步分析。這一直以來(lái)都是很繁冗的一個(gè)步驟,，但現(xiàn)在本文中的成果,，讓科學(xué)家們實(shí)現(xiàn)了在最省力的設(shè)備中、在最短的時(shí)間內(nèi),，完成了更為精準(zhǔn)的組裝,。