Сравнение программ для выравнивания RNA-seq по точности на уровне отдельных нуклеотидов и нуклеотидов в местах сплайс-соединений на геноме Arabidopsis thaliana

Главная задача при выборе программы для выравнивания RNA-seq — обеспечить точное выравнивание с помощью надёжного алгоритма, способного учитывать различные особенности картирования ридов. Большинство программ для выравнивания изначально настроены на данные человека или прокариот, поэтому могут быть непригодны для работы с другими организмами, например растениями. Быстрый рост баз данных растительных транскриптомов, полученных методом RNA-seq, требует оценки программ для выравнивания на тщательно подготовленных данных растений, что позволит настроить их для анализа растительных транскриптомов. В этой работе мы сравнили программы для выравнивания ридов RNA-seq на симулированных данных модельного организма Arabidopsis thaliana. Оценили пять популярных программ, отобранных по числу цитирований. Для каждой программы определили точность выравнивания на уровне отдельных нуклеотидов и нуклеотидов в местах сплайс-соединений, используя аннотированные однонуклеотидные полиморфизмы (SNP) из базы данных The Arabidopsis Information Resource (TAIR). Точность оценивали как при настройках по умолчанию, так и при изменении различных параметров, включая порог уверенности и долю внесённых SNP. При оценке точности на уровне отдельных нуклеотидов результаты программ были сходными в разных условиях тестирования; однако при оценке нуклеотидов в местах сплайс-соединений показатели различались в зависимости от алгоритма. Наилучшие результаты при оценке на уровне отдельных нуклеотидов показала STAR: точность превышала 90% в разных условиях тестирования. При оценке нуклеотидов в местах сплайс-соединений наиболее перспективной оказалась SubRead: точность превышала 80% в большинстве условий тестирования.