SHARCGS, um algoritmo de montagem de leituras curtas rápido e altamente preciso para sequenciamento genômico de novo

A mais recente revolução no campo do sequenciamento de DNA foi proporcionada pelo desenvolvimento de sequenciadores automatizados capazes de gerar conjuntos de dados com giga pares de bases rapidamente e a baixo custo. As aplicações dessas tecnologias parecem ser limitadas à re-sequenciação e descoberta de transcritos, devido à curta extensão das leituras geradas. Para ampliar os campos de aplicação para sequenciamento de novo, desenvolvemos o algoritmo SHARCGS para montar dados de leituras curtas (25-40-mer) com alta precisão e velocidade. A eficiência do SHARCGS foi testada em inserções BAC de três espécies eucarióticas, em dois cromossomos de levedura e em dois genomas bacterianos (Haemophilus influenzae, Escherichia coli). Mostramos que montagens BAC baseadas em 30-mer possuem tamanhos N50 >20 kbp para Drosophila e Arabidopsis e >4 kbp para humano em simulações que levam em conta leituras faltantes e chamadas erradas de bases. Montamos 949.974 contigs com comprimento >50 pb, e apenas um único contig não pôde ser alinhado sem erros às sequências de referência. Geramos leituras 36-mer para o genoma de Helicobacter acinonychis no sequenciador Illumina 1G e montamos 937 contigs cobrindo 98% do genoma com tamanho N50 de 3,7 kbp. Com exceção de cinco contigs que diferem em 1-4 posições em relação à sequência de referência, todos os contigs corresponderam ao genoma sem erros. Assim, SHARCGS é uma ferramenta adequada para explorar totalmente as novas tecnologias de sequenciamento, montando contigs de sequência de novo com alta confiança e superando algoritmos de montagem existentes em termos de velocidade e precisão.