De novo sastavljanje mikrobnih zajednica koristeći tehnologiju za očitanje DNA treće generacije

undergraduate thesis

• Title (english): De Novo Metagenome Assembly Using Third Generation Sequencing Data
• Author: Tvrtko Brekalo
• Mentor: Mile Šikić (mentor)
• Committee member: Mile Šikić (predsjednik povjerenstva)
• Committee member: Krešimir Križanović (član povjerenstva)
• Committee member: Robert Vaser (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2020-09-15, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Tehnologija treće generacije sekvenciranja otvorila je vrata novim procedurama de novo sastavljanja genoma sa svojim dugačkim očitanjima relativno višeg postotka pogreške. Nažalost,
napredak tehnologije sekvenciranja nije još u potpunosti popraćen od strane asemblera, programa čija je zadaća sastavljanje genoma. Većina današnjih asemblera dizajnirana je za skupove podataka koji sadrže jedan manji organizam. Prilikom skeniranja uzorak iz vode, crijeva, zemlje i slično, dolazi do problema rekonstrukcije metagenomskih populacija zato što uzorak sadrži više genetski srodnih organizama te je teško odrediti podrijetlo i tip pojedinog očitanja. Cilj ovog rada je adaptacija postojećeg de novo asemblera, Raven, za metagenomske populacije. Primarni cilj je bilo uvođenje podrške za zaokruživanje manjom modifikacijom algoritma razrješavanja usmjerenog grafa. Na dalje, Raven ima poznati problem u opadu kvalitete sastavljenih sekvenci pri njihovim krajevima. Specifičnije, prvih i zadnjih stotinjak baza znaju odudarati od originalne sekvence organizma. Pokušaj rješavanja prethodnog problema dolazi uvođenjem modificiranog algoritma izgradnje usmjernog grafa koji koristi ne-kimer regije i unitige dobivene iz prve rekonstrukcijske faze Ravena. Pokušaj je pokazao manja unaprjeđenja na jednostavnijim metagenomima populacijama. Idući korak je bio inspiriran asemblerima kao što su Flye i HINGE, cilj je bio modificirati pile-o-gram algoritam
kao prilagodbu na nejednoliku zastupljenost organizama u očitanjima. Nažalost prethodna modifikacija se pokazala neuspješnom, no suzila listu mogućih opcija u daljnjem istraživanju. Uz modifikacije na Ravenu, razvijena je Python skripta, Rat, s ciljem lakšeg vizualiziranja poravnanja dobivenih sekvenci na reference s obzirom na to da su se postojeći alati nisu pokazali ergonomičnim za skupove podataka koji sadržavaju više organizama.

Abstract (english)

Third Generation Sequencing Data made ground for new fragment assembly procedures with its long error prone reads. However, hardware improvements are not yet
quite fully utilised since majority of the de novo assemblers are designed for datasets containing small single organisms. When sampling water , ground, gut or similar
extracts the problem of metagenome assembly arrises due to samples containing multiple genetically similar organism making it hard to distinguish read origin and type.
The goal of this thesis was to adapt an already existing de novo assembler, Raven, for
metagenomic populations. The first objective was to provide a support for genome
circulation via minor modifications in graph assembly phase. Further more, Raven is
known to have issues of leaving out small number of bases on uniting endings. We introduced an additional graph construction phase which attempts to fix assembly quality
at uniting endings using filtered non-chimeric regions in combination with assembled
unitigs from the first construction phase. The attempt showed moderate signs of success. After that, inspired by Flye and HINGE, pile-o-grams were modified with aim
for better support for uneven read coverage between organism. Unfortunately, the first
implantation of the former showed unsuccessful but at least the scope of the further
work is now more narrowed. Along side additional Raven development, a small Python script, Rat, was written to provide mass plots of output assemblies to reference
genomes since the existing plotting tools at the time of research proved to be unergonomic for datasets containing multiple organisms.

• Keywords: bioinformatika; de novo sastavljanje; metagenommne populacije; python; c++; treca generacija tehnologije sekvenciranja
• Keywords (english): bioinformmatics; de novo assembly; metagenomic; python; c++; third generation sequencing
• Language: english
• URN:NBN: urn:nbn:hr:168:498645
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-14 08:35:41