中美合作Sparc新軟件彌補三代基因測序“硬傷”

　　 中國科學院昆明動物研究所“計算生物與醫學生態學科組”研究員馬占山與美國馬里蘭大學博士葉承曦在基因測序領域的合作取得新的突破。針對第三代基因測序儀硬件錯誤率高達15%~40%的現實，該團隊研發出了一套“線性復雜度”的算法，這套算法復雜性最低，基于該新算法完成了Sparc軟件的開發。

　　Sparc軟件能夠有效彌補三代測序技術硬件超高錯誤率這一“硬傷”，大幅度提高三代技術的市場競爭能力，為迎接基因測序產業升級奠定優良的技術基礎。

　　另外，Sparc 算法應用范圍不止于基因組裝技術；事實上，基因組學中諸多涉及糾錯和變異檢測的技術都可受益于Sparc算法的線性復雜度優勢。

　　Sparc是馬占山2011年回國后該團隊在基因測序領域所研發公布的第三款重要軟件。“過去五年來我們與馬里蘭大學團隊合作，總共在基因測序領域研發公布了三款軟件，SparseAssembler、DBG2OLC以及最新的 Sparc。”

　　其中，第一款是為二代測序技術設計，后兩款為最新的三代技術所研發。此三款軟件目前在各自所處的二代和三代測序技術領域其性能仍處于國際先進或領先水平。

　　基因組裝軟件的研發主要挑戰除了計算極端耗時之外，還需要超大內存空間以及組裝質量和可靠性問題，也就是糾錯問題。基因組裝一般需要超級計算機或計算集群。而這三個方面也是評判一款基因測序軟件的基本標準。

　　前兩款軟件主要是在計算時間和節省內存空間方面的改進，與當時最優秀的同類軟件相比較，其計算效率（也就是縮短計算時間、減少內存空間需求量）提高了10~1000倍。因此，采用該軟件可使得原來需要超級計算機的基因組裝計算，能夠在普通服務器（甚至辦公室工作站）上完成。

　　綜合測試顯示：采用測序深度僅為30x的三代基因測序數據，Sparc取得組裝共識時錯誤率低于0.5%；同時與目前最優秀的同類軟件相比，Sparc可節省計算時間和內存達80%。

　　馬占山告訴《中國科學報》記者：“在三代測序領域的另一重要突破——如果大家都約定采用一致或類似的組裝質量，我們的軟件對于測序深度的要求一般僅為同類其他軟件的一半，這意味Sparc/DBG2OLC有可能節省一半的測序成本。”

　　類似于二代測序技術，目前三代測序軟件已經足以滿足三代測序儀（硬件）的需求。“我們的技術其實已經解決了三代技術與二代技術相比較的弱點，那就是計算量大（計算極端耗時、需要超高速和超大內存的超級計算機或集群）和測序錯誤率超高的缺陷。而且，該技術也降低了成本。”因此，馬占山認為三代測序技術今后推廣更多是市場開拓問題，而不是技術問題。

　　值得一提的是，DBG2OLC 和 Sparc所開發的算法解決了最新三代技術最為復雜的關鍵技術難題。在測序硬件技術出現更新一代技術之前，這一領域軟件的發展已經完全可以滿足硬件技術的需求。特別是最新Sparc算法的“線性復雜度”意味著該問題最高效率級別的算法已經找到，為此，Sparc合作團隊已經將軟件研發轉向生物醫學的另一熱點：腸道菌群與人體疾病和健康關系的研究。