- 5 次围观
背景：将测序读段比对到参考基因组的过程是基因组分析中的基础步骤，支撑着从变异检测到病原体监测等多种任务。然而，在病毒基因组学中，这一问题变得显著更具挑战性：病毒序列通常在宿主主导的样本中丰度较低，并且由于快速突变和群体异质性，往往与现有参考序列存在明显差异。这些特征降低了传统 seed-and-extend（种子延伸）比对工具的有效性，因为这类方法通常依赖较长的精确或近似精确匹配来锚定比对。即使是轻微的序列分歧或测序错误也可能破坏这些种子，尤其对于短读段而言，从而导致比对遗漏。在这种情形下，核心挑战是在高分歧条件下保持稳健比对，同时不牺牲效率。 结果：我们提出了 Anniemap，一种基于向量搜索的病毒短读段序列比对方法。Anniemap 将读段和参考序列表示为二进制向量，并利用 Facebook AI Similarity Search（FAISS）进行近似最近邻搜索，以高效识别候选比对位置。我们使用模拟和真实测序数据，在多种病毒基因组和不同读段长度条件下，将 Anniemap 与成熟的比对工具 Bowtie2 和 BWA-MEM2 进行了比较。在几乎所有评估场景中，Anniemap 均表现出更高的灵敏度和吞吐量，其中在高分歧基因组上的灵敏度提升最为显著，例如丙型肝炎病毒（HCV）和人类免疫缺陷病毒（HIV）。 结论：Anniemap 通过度量向量相似性，而非依赖较长的精确种子匹配，从而对测序错误和基因组突变具有更强的鲁棒性。这一特性对于病毒基因组尤为有利，因为显著的序列分歧在其中较为常见。未来仍需进一步研究，以将基于向量的读段比对搜索高效扩展到病毒基因组之外。
背景：将测序读段比对到参考基因组的过程是基因组分析中的基础步骤，支撑着从变异检测到病原体监测等多项任务。然而，在病毒基因组学中，这一问题会显著更具挑战性：病毒序列通常在以宿主为主的样本中丰度较低，并且由于快速突变和群体异质性，往往与现有参考序列存在明显差异。这些特征降低了传统 seed-and-extend（种子延伸）比对器的有效性，因为这类方法通常依赖较长的精确或近精确匹配作为比对锚点。即使是适度的序列差异或测序错误，也可能破坏这类种子，尤其对于短读段而言，从而导致比对遗漏。在这种情境下，核心挑战是在高差异度条件下保持稳健比对，同时又不牺牲效率。
结果：我们提出了 Anniemap，一种基于向量搜索的病毒短读段序列比对方法。Anniemap 将读段和参考序列表示为二进制向量，并利用 Facebook AI Similarity Search（FAISS）执行近似最近邻搜索，以高效识别候选映射位置。我们使用模拟和真实测序数据，在一组多样化的病毒基因组和不同读段长度条件下，将 Anniemap 与成熟的比对工具 Bowtie2 和 BWA-MEM2 进行了比较。在几乎所有评估场景中，Anniemap 都表现出更高的灵敏度和吞吐量；其中，对高差异性基因组的灵敏度提升最为显著，例如丙型肝炎病毒（HCV）和人类免疫缺陷病毒（HIV）。
结论：通过度量向量相似性而非依赖较长的精确种子匹配，Anniemap 对测序错误和基因组突变具有更强的鲁棒性。这一特性对于病毒基因组尤为有利，因为显著的序列差异在该类基因组中十分常见。未来仍需进一步研究，以高效地将基于向量的搜索扩展到病毒基因组之外的读段比对任务。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.26.747390v1?rss=1
🏷️ 病毒短读比对 向量搜索 近似最近邻 FAISS 高分歧基因组