STAR: ultraschneller universeller RNA-Seq-Ausrichter

Abstract Motivation: Die genaue Ausrichtung von Hochdurchsatz-RNA-Seq-Daten ist aufgrund der nicht-kontinuierlichen Transkriptstruktur, relativ kurzer Leselängen und ständig zunehmendem Durchsatz der Sequenzierungstechnologien eine herausfordernde und bisher ungelöste Aufgabe. Derzeit verfügbare RNA-Seq-Ausrichter leiden unter hohen Fehlerraten bei der Zuordnung, niedriger Zuordnungsgeschwindigkeit, Leselängenbeschränkungen und Zuordnungsvoreingenommenheiten. Ergebnisse: Um unser großes ENCODE-Transkriptom-RNA-Seq-Datenset (80 Milliarden Reads) auszurichten, entwickelten wir die Software Spliced Transcripts Alignment to a Reference (STAR) basierend auf einem zuvor nicht beschriebenen RNA-Seq-Ausrichtungsalgorithmus, der eine sequenzielle Suche nach maximal abbildbaren Seeds in unkomprimierten Suffixarrays verwendet, gefolgt von einem Seed-Clustering- und Verbindungsverfahren. STAR übertrifft andere Ausrichter um den Faktor 50 bei der Zuordnungsgeschwindigkeit und richtet 550 Millionen 2 × 76 bp Paired-End-Reads pro Stunde am menschlichen Genom auf einem bescheidenen 12-Kern-Server aus, wobei gleichzeitig die Ausrichtungsempfindlichkeit und -präzision verbessert wird. Zusätzlich zur unvoreingenommenen de-novo-Erkennung kanonischer Junctions kann STAR nicht-kanonische Spleißstellen und chimäre (Fusions-)Transkripte entdecken und ist zudem in der Lage, Voll-Längen-RNA-Sequenzen abzubilden. Mithilfe von Roche 454-Sequenzierung von Reverse-Transkriptions-Polymerase-Kettenreaktions-Amplifikonen validierten wir experimentell 1960 neuartige intergene Spleißjunctions mit einer Erfolgsrate von 80–90 %, was die hohe Präzision der STAR-Zuordnungsstrategie bestätigt. Verfügbarkeit und Implementierung: STAR ist als eigenständiger C++-Code implementiert. STAR ist freie Open-Source-Software, die unter der GPLv3-Lizenz vertrieben wird und von http://code.google.com/p/rna-star/ heruntergeladen werden kann. Kontakt: dobin@cshl.edu.