세균 유전체의 SNP 발굴용 프로그램 성능 비교(논문)

SNP 발굴은 적합한 참조 유전체 서열의 선정, read의 매핑, variant calling에 이르기까지 몇 개의 단계를 거쳐서 진행되는데, 앞에서 일부 소개했듯이 각각에 대하여 사용할 수 있는 프로그램의 조합이 대단히 많고 그 성능도 전부 다르다. 이를 벤치마킹하는 연구는 주로 인간 유전체를 대상으로 이루어지고 있는 현실이다. 다음의 논문은 세균을 대상으로 하는 SNP calling 기법들을 서로 비교하고 있다. 각 논문에 딸린 supplementary material에는 simulated data 생성과 분석에 필요한 명령어가 들어 있어서 참조하기에 좋다.

Evaluation of SNP calling methods for closely related bacterial isolates and a novel high-accuracy pipeline: BactSNP. Microbial Genomics (2019) https://doi.org/10.1099/mgen.0.000261

• Outbreak의 조사와 같이 매우 가까운 isolate를 비교하는 경우에는 false-positive SNP가 과도하게 생성됨
• 기존의 SNP caller로는 이 문제를 해결하기 곤란하여 새로운 pipeline인 BactSNP를 개발
• BactSNP는 assembly와 mapping information을 전부 사용할 수 있으며, 참조 유전체 서열이 draft 수준이거나 심지어 없어도 분석을 진행할 수 있음

Genomic diversity affects the accuracy of bacterial single-nucleotide polymorphism–calling pipelines. GigaScience (2020) https://doi.org/10.1093/gigascience/giaa007

• 209개의 SNP calling pipeline을 simulated data에 대하여 적용
• 파이프라인과 무관하게 참조 유전체의 올바른 선정이 매우 중요함(참조 서열과 read의 Mash distance가 낮을수록 유리)
• 종내 다양성이 높아질수록 SNP calling의 정확도는 떨어짐
• 시퀀싱된 유전체 자체를 참조서열로 쓰는 경우 Novoalign/GATK가 가장 정확함
• Divergent genome에 대해 매핑을 하는 경우는 NextGenMap, SMALT(이상 aligner) 및 LoFreq, mpileup, Strelka(이상 variant caller)이 가장 정확함

Standardized phylogenetic and molecular evolutionary (PhaME) analysis applied across the microbial tree of life. Scientific Reports (2020) https://doi.org/10.1038/s41598-020-58356-1

• 세균의 sequencing read, draft assembly 등 상이한 데이터를 조립 여부와 관계없이 표준화된 방법으로 처리하여 phylogenetic analysis를 실시하는 단일 workflow