NGS를 사용할 때 필요한 그 가이드라인

오늘은 AMP(미국분자병리학회)와 CAP(미국병리학회)에서 공동으로 합의한 지침인 "Guidelines for Validation of Next-Generation Sequencing–Based Oncology Panels: A Joint Consensus Recommendation of the Association for Molecular Pathology and College of American Pathologists"을 네이버의 클로바와 gemini에게 각각 물어보았습니다.

doi는 10.1016/j.jmoldx.2017.01.011 입니다.

먼저 gemini입니다.

안녕하세요, 생명공학 전공자가 아닌 분들을 위한 블로그 글을 작성하고자 하시는군요.

제가 찾은 논문은 다음과 같은 내용을 다루고 있습니다.

* **연구 목적과 배경**

이 연구는 다음세대 염기서열 분석(NGS) 기반 종양 패널 검사의 분석적 검증을 위한 최선의 실천 지침을 확립하는 것이 목적이었습니다. 이 연구는 분자 병리학 협회(Association for Molecular Pathology)가 주관하고 미국 병리학회(College of American Pathologists)가 연계 대표를 맡은 작업 그룹이 수행했습니다.

* **연구 방법**

이 연구에서는 NGS 기반 종양 패널 검사의 분석적 검증을 위한 단계별 지침을 제시했습니다. 이러한 단계에는 패널 설계, 라이브러리 준비, 염기서열 분석 및 데이터 분석이 포함됩니다. 또한 참조 자료와 세포주를 사용하여 검사 성능을 평가하는 중요성을 강조했습니다.

* **결과**

이 연구에서는 NGS 기반 종양 패널 검사의 분석적 검증을 위한 다음과 같은 권장 사항을 제시했습니다.

* 오류 기반 접근 방식을 사용하여 잠재적인 오류의 원인을 식별합니다.

* 분석 프로세스 전반에 걸쳐 품질 관리를 사용하여 고품질 염기서열 분석 결과를 보장합니다.

* 참조 세포주와 참조 자료로 검사 성능을 평가합니다.

* 커버리지 깊이와 테스트 성능을 확립하기 위해 사용해야 하는 샘플의 최소 요구 사항을 설정합니다.

* **논의**

이 연구는 NGS 기반 종양 패널 검사의 분석적 검증을 위한 중요한 지침을 제공합니다. 이러한 지침은 검사의 정확성과 신뢰성을 보장하는 데 도움이 됩니다.

다음은 CLOVA X입니다.

NGS 기반 암 패널 테스트의 분석적 유효성 검증을 위한 지침

NGS(Next Generation Sequencing)는 차세대 염기서열 분석 기술로, 유전체 분석에 혁명을 일으키고 있습니다. NGS는 기존의 염기서열 분석 기술보다 빠르고 정확하며, 비용이 저렴하다는 장점이 있습니다. 이러한 이유로 NGS는 암 진단에 빠르게 적용되고 있습니다.

암 진단을 위해서는 암 세포에서 발견되는 유전자 변이를 파악해야 합니다. 이를 위해 NGS 패널을 사용합니다. NGS 패널은 암 세포에서 발견되는 유전자 변이를 탐지할 수 있는 유전자 패널입니다.

NGS 패널을 사용할 때는 분석적 유효성 검증을 해야 합니다. 분석적 유효성 검증은 NGS 패널이 정확하게 유전자 변이를 탐지할 수 있는 지를 검증하는 과정입니다.

이번 논문에서는 NGS 기반 암 패널 테스트의 분석적 유효성 검증을 위한 지침을 제공합니다. 이 지침은 표적 유전자 패널과 고형 종양 및 혈액 악성 종양의 진단 용도에 초점을 맞춥니다.

NGS 패널은 SNVs, indels, deletions, CNAs, SVs, gene fusions 등을 탐지할 수 있습니다. CNAs와 SNVs, indels를 탐지하기 위해 패널을 사용할 수 있는지 고려해야 합니다. SVs는 염색체 재배열을 포함합니다.

NGS 방법은 샘플 준비, 라이브러리 준비, 시퀀싱, 데이터 분석을 포함합니다. NGS 데이터 분석 파이프라인은 SNV 검출, indel containing sequence reads의 정렬, CNAs 식별, SVs detection 등의 작업으로 나뉩니다.

NGS 패널 콘텐츠는 hotspot panels에서 개인 codons에 초점을 맞춘 것부터 수백 개의 유전자의 코딩 영역을 포함하는 것까지 다양합니다. NGS 플랫폼 선정 시 고려해야 할 사항은 turnaround time, 샘플 테스트, sensitivity, 예상되는 테스트 양, 유전 변이의 유형과 복잡성, 생물정보학 지원, 인프라 등입니다.

NGS assay development process에서 error를 평가하는 방법은 pre analytical and analytical factors를 고려하는 것입니다. FFPE samples을 다룰 때는 nucleic acid yield가 문제가 될 수 있으므로 uracil Nglycolase로 treatment를 하는 것이 도움이 됩니다. 라이브러리 준비 시 도서관 방법에 사용된 증폭 오류와 내용 편향의 가능성을 염두에 두고 assay design을 통해 error의 잠재적 근원을 해결해야 합니다.

assay validation을 시작하기 전 optimization and familiarization (O&F) 과정이 필요합니다. optimization and familiarization (O&F) 과정은 NGS test를 통해 design expectations를 충족하는지 평가하는 과정입니다.

NGS 패널을 사용할 때는 분석적 유효성 검증을 해야 합니다. 분석적 유효성 검증은 NGS 패널이 정확하게 유전자 변이를 탐지할 수 있는 지를 검증하는 과정입니다. 이를 통해 NGS 패널의 신뢰성을 높일 수 있습니다.

통계적인 방법을 활용하여 분석적 유효성 검증을 수행합니다. 예를 들어, sensitivity, specificity, positive predictive value, negative predictive value 등의 지표를 사용하여 분석적 유효성 검증을 수행합니다.

NGS 패널을 사용할 때는 분석적 유효성 검증을 반드시 수행해야 합니다. 이를 통해 NGS 패널의 신뢰성을 높이고, 암 진단의 정확성을 높일 수 있습니다.

음.. CLOVA가 생각보다 글을 (블로그처럼 작성한다는... 형식적인 측면에서..) 잘 작성하는 것 같아 보이네요 

gemini는 요약하라고 하면 개조식으로 많이 작성하는 것 같더라구요.

여튼 CLOVA와 gemini를 적절히 잘 섞으면 괜찮은 내용이 나올듯하네요 :)

출처: @ye._.vely618

NGS에서 Target Coverage 균일성의 중요성

NGS데이터 생산시 Target Coverage가 들쑥날쑥해도 분석이 잘 될것인가? 라는 것에 대해서 궁금증을 해결해줄 바로 그 논문!!! 

Evaluation of the evenness score in next-generation sequencing라는 제목의 논문이고, 

doi: 10.1038/jhg.2016.21입니다.

gemini에게 다음과 같이 찡찡거려봤습니다.

"왜 NGS에서 타겟 커버리지의 균일성이 중요한지에 대해 블로그에 작성하려고 합니다. 생명공학을 전공하지 않고, NGS에대해서 익숙하지 않은 일반인을 대상으로 블로그에 올릴 수 있는 글을 작성해주세요"

NGS(Next Generation Sequencing)는 DNA 염기 서열을 분석하는 강력한 기술입니다. 마치 책을 읽듯 우리 몸의 유전 정보를 해독하는데 비유할 수 있습니다. 하지만 책을 읽는 데 중요한 것이 모든 페이지를 꼼꼼하게 읽는 것과 마찬가지로, NGS에서도 모든 타겟 영역을 균일하게 분석하는 것이 매우 중요합니다.

왜 타겟 커버리지 균일성이 중요할까요?

정확한 분석 결과: 만약 특정 타겟 영역만 깊게 분석하고 다른 영역은 덜 분석하면, 마치 책의 특정 페이지만 읽고 다른 페이지는 건너뛸 때와 마찬가지로 잘못된 정보를 얻을 수 있습니다. 이는 질병 진단, 유전적 특징 분석 등 NGS 분석의 정확성에 큰 영향을 미칩니다.

데이터 해석의 어려움: 만약 타겟 커버리지가 불균일하다면, 분석된 데이터를 해석하는데 어려움을 겪을 수 있습니다. 마치 책의 페이지가 누락되거나 순서가 뒤바뀌었을 때와 마찬가지로, 데이터의 일관성이 떨어지고 정확한 해석이 어려워집니다.

유전 정보의 누락: 만약 특정 타겟 영역이 분석되지 않으면, 그 영역에 존재하는 중요한 유전 정보를 놓칠 수 있습니다. 마치 책의 특정 페이지가 찢어져 없어졌을 때와 마찬가지로, 유전 정보의 일부가 누락되어 질병 진단이나 유전적 특징 분석에 영향을 미칠 수 있습니다.

NGS에서 타겟 커버리지 균일성을 높이는 방법:

샘플 준비 방법 개선: DNA 샘플을 준비하는 과정에서 오류가 발생하면 타겟 커버리지 불균일성이 발생할 수 있습니다.

시퀀싱 라이브러리 제작 방법 개선: 시퀀싱 라이브러리 제작 과정에서 오류가 발생하면 특정 타겟 영역이 덜 분석될 수 있습니다.

시퀀싱 조건 최적화: 시퀀싱 조건을 최적화하여 모든 타겟 영역을 균일하게 분석하도록 설정합니다.

데이터 분석 방법 개선: 데이터 분석 방법을 개선하여 불균일한 커버리지를 보정하고 정확한 정보를 추출합니다.

결론: NGS에서 타겟 커버리지 균일성은 정확한 분석 결과, 데이터 해석의 용이성, 유전 정보의 누락 방지를 위해 매우 중요합니다. NGS 기술의 발전과 함께 타겟 커버리지 균일성을 높이는 방법들이 계속 연구되고 있으며, 이는 NGS 분석의 정확성과 신뢰성을 향상시키는 데 중요한 역할을 할 것입니다.

음.. 프롬프트를 좀더 신경써봐야 할 것 같습니다.

출처: @ye._.vely618

부동산트렌드 따라해보기 1장

오늘은 자료 수집관련하여 글 하나 투척합니다.

최근 "부동산 트렌드"라는 책을 읽고 있어서 강남3구와 노도강에서 거래되었던 자료들이 진짜 그런지 한번 확인해보고자 자료 수집 작업을 위한 것을 한번 로그삼아 남겨보도록 하겠습니다.

국내 부동산 거래 가격은 국토교통부 실거래가 공개시스템에서 확인하실 수있습니다.

안타깝게 막 영화에서 나오는것 처럼 뚝딱 뚝딱 해서 API로 실시간으로 끌어오고 화면에 촤라락 그래피컬하게 하는것은 기대하시면 창을 끄시면되겠습니다.

우선 실거래가 공개시스템에서 [조건별 자료제공] 이라는 사이트로 들어가셔서 시도별 1년단위로 데이터를 다운 받으시면 되겠습니다. 전 우선 서울시와 경기도 데이터만 다운로드 받았습니다. 전국 데이터는 한 달 기준으로 다운로드 받을 수 있다고하니.. 개인이 필요한 데이터에 맞게 다운로드 받으시면 되겠습니다.

그리고 수월한 작업을 위해 엑셀이 아닌 sqlite3에 실거래가 정보들을 모두 때려박아 넣도록 하겠습니다.

다음 코드가 일단 DB에 다 때려박는 코드 되겠습니다.

import csv
import sqlite3

# SQLite 데이터베이스 파일 경로

sqlite_file_path = "real_estate_transactions.db"

# SQLite 연결 객체 생성

connection = sqlite3.connect(sqlite_file_path)

csv_file_path = "아파트(매매)_실거래가_서울특별시_2022.csv"

num = 0

with open(csv_file_path, newline="") as csvfile:   

    reader = csv.reader(csvfile, delimiter=",")

    # 커서 객체 생성

    cursor = connection.cursor()

    for row in reader:        

        if num < 16:

            pass

        else:

            tmp = list()

            for r in row[1:]:

                tmp.append(r.strip())

            cursor.execute("""INSERT OR IGNORE INTO transactions ("시군구","번지","본번","부번","단지명","전용면적","계약년월","계약일","거래금액","동","층","매수자","매도자","건축년도","도로명","해제사유발생일","거래유형","중개사소재지","등기일자") VALUES (?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?,?)""", (tmp),)

            connection.commit()            

        num+=1

        

# 연결 닫기

connection.close()

다음 시간에는 sqlite3에 있는 정보를 가지고 끄적끄적하는 시간을 가지지 않을까합니다. 

출처: @ye._.vely618

Long-read 시대의 정렬 알고리즘

사실 아직 Long-read 시대라고 하기에는 전세계 적으로 생산되는 시퀀싱 데이터의 비율로 보면 꼬꼬마이긴 하나 그래도 비용이나 지금까지의 축적된 자료 활용이라는 몇몇 점들을 제외하면 짧은 애들시대는 조만간 저물지 않을까 합니다.

물론 짧은 애들 또한 계속 필요는 합니다. 그러나 Long read 이전과는 같지 않을 것이기에 Long read 시대를 준비해서 나쁘지는 않을겁니다.

그래서 "A survey of mapping algorithms in the long-reads era" 라는 논문 하나 준비해봤습니다.

DIO: 10.1186/s13059-023-02972-3

시대가 시대이고 영어 읽기 귀찮으니 구글에게 한번 맡겨보았습니다.

Q: 내 드라이브에서"s13059-023-02972-3.pdf" 파일을 읽고 자세히 한글로 요약해줘

서론:

DNA 염기서열 분석은 생명과학 분야의 핵심 기술이며, 롱리드 시퀀싱 기술의 발전은 이 분야에 큰 변화를 가져왔습니다. 롱리드 기술은 기존의 짧은 리드 시퀀싱 기술에 비해 훨씬 더 긴 염기서열 정보를 얻을 수 있지만, 이에 따라 데이터 분석 과정에서도 새로운 문제들이 발생했습니다. 그 중 하나가 롱리드 데이터를 참고 유전체에 매핑하는 과정입니다. 

본 논문에서는 롱리드 시대의 DNA 염기서열 분석에 사용되는 다양한 매핑 알고리즘에 대한 조사 연구 결과를 제시합니다.

1. 롱리드 기술 개요:

롱리드 기술은 10kb 이상의 긴 염기서열 정보를 얻을 수 있는 기술입니다.

롱리드 기술의 장점은 다음과 같습니다.

• 유전체 구조 변형 (SV) 분석에 유리
• 단일 분자 haplotyping 가능
• 염기서열 조립 (assembly) 과정 개선

롱리드 기술의 단점은 다음과 같습니다.

• 높은 오류율
• 높은 컴퓨팅 비용

2. 매핑 알고리즘 종류:

롱리드 매핑 알고리즘은 크게 씨앗-확장 (seed-and-extend) 프레임워크와 씨앗-체인 (seed-and-chain) 프레임워크로 나눌 수 있습니다.

씨앗-확장 프레임워크는 짧은 리드 매핑 알고리즘에서 사용되는 기본적인 방법입니다.

씨앗-체인 프레임워크는 롱리드 데이터의 특징을 고려하여 개발된 새로운 방법입니다.

3. 주요 매핑 알고리즘 비교 분석:

본 논문에서는 다음과 같은 주요 매핑 알고리즘을 비교 분석했습니다.

• Minimap2
• NGMLR
• GraphMap
• LSC
• BWA-MEM
• LAST
• BLASR
• RapMap
• SMALT

비교 분석 기준은 다음과 같습니다.

• 정확도
• 속도
• 메모리 사용량
• 특징

4. 매핑 알고리즘 선택 가이드:

연구 목적에 따라 적절한 매핑 알고리즘을 선택해야 합니다.

정확도가 가장 중요한 경우 Minimap2 또는 NGMLR을 사용하는 것이 좋습니다.

속도가 가장 중요한 경우 LSC 또는 BWA-MEM을 사용하는 것이 좋습니다.

메모리 사용량이 가장 중요한 경우 GraphMap 또는 LAST를 사용하는 것이 좋습니다.

5. 향후 연구 방향:

• 롱리드 기술 발전에 따라 새로운 매핑 알고리즘 개발
• 멀티 샘플 데이터 분석을 위한 효율적인 알고리즘 개발
• 염기서열 변형 (variant) 분석을 위한 정확한 알고리즘 개발

결론:

본 논문은 롱리드 시대의 DNA 염기서열 분석에 사용되는 다양한 매핑 알고리즘에 대한 종합적인 개요를 제공합니다. 각 알고리즘의 특징, 장단점, 성능 비교 등을 분석하여 연구 목적에 맞는 최적의 알고리즘 선택에 도움을 줍니다.

추가 정보:

• 롱리드 시퀀싱 기술: https://www.vogue.com/article/hairstyles-for-long-hair
• DNA 염기서열 분석: http://www.incodom.kr/%EC%97%BC%EA%B8%B0%EC%84%9C%EC%97%B4

오... 비약도 있고 생략도 많지만 (물론 클로드 3에 비해서는 아직 갈길이 멀듯합니다)그래도 pdf파일을 요약해줍니다. 근데.. 추가 정보에 롱리드 시퀀싱 기술의 url이..  신박한 링크를 넣어놨네요;; Orz

출처: @ye._.vely618

나노포어용 정렬 프로그램을 비교해보자

오늘은 최근에 논란의 중심에 서 있는 claude3를 사용해보았습니다.

Comparative analysis of alignment tools for application on Nanopore sequencing data

이 논문을 선택한 이유는 claude.ai에서 무료로 해주는 양의 논문이라서 선택하였습니다.

 

Q. 요약해줘

이 논문에서는 나노포어 시퀀싱 데이터에 대한 6가지 다양한 정렬 도구(BLASR, GraphMap, LAST, minimap2, NGMLR 및 BWA MEM)의 성능과 정렬 품질을 실험 데이터셋을 사용하여 비교 분석했습니다. 주요 내용은 다음과 같습니다:

3개의 서로 다른 실험 나노포어 시퀀싱 데이터셋(람다 파지 전장 유전체, 인간 MEFV 유전자 암플리콘, SARS-CoV-2 전장 유전체)을 사용하여 정렬 도구를 비교했습니다.

각 도구의 CPU 시간, 메모리 사용량, 일치율, 불일치율, 오류율 등의 성능 및 품질 지표를 측정하고 비교했습니다.

Minimap2가 모든 데이터셋에서 속도와 메모리 효율성 면에서 가장 우수한 성능을 보였습니다.

BLASR, GraphMap, NGMLR는 상대적으로 느린 속도를 보였고, NGMLR는 높은 메모리 사용량을 보였습니다.

일치율, 불일치율, 오류율 측면에서 LAST를 제외한 도구들이 대체로 유사한 수준의 높은 정렬 품질을 보였습니다.

데이터셋 특성과 알고리즘 접근법에 따라 도구 간 차이가 있었으며, 실험 설계와 추가 분석 과정을 고려하여 적절한 도구를 선택해야 합니다.

Q. 그럼, 나노포어 왜 전용 정렬 도구가 필요합니까?

논문에 따르면 나노포어 시퀀싱 기술의 가장 큰 단점은 다른 시퀀싱 기술에 비해 높은 에러율(error rate)이라고 설명하고 있습니다. 구체적인 문장은 다음과 같습니다:

"So far, the most important disadvantage of this technology is the increased error rate compared to other sequencing technologies."

이처럼 나노포어 시퀀싱 데이터는 기존 단분자 시퀀싱 데이터와는 다른 에러 프로파일을 가지고 있어, 이러한 높은 에러율을 보완하기 위해 전용의 정렬 도구가 필요하다고 설명하고 있습니다.

Q. 좀더 자세히 설명해줘

네, 더 자세히 설명드리겠습니다.

나노포어 시퀀싱은 전기화학적 신호를 읽어 DNA/RNA 서열을 분석하는 새로운 기술입니다. 이 기술의 장점은 긴 읽기(long reads)가 가능하고 빠르며 비용이 저렴하다는 점입니다. 하지만 단점으로 다른 기존 시퀀싱 기술에 비해 상대적으로 높은 에러율을 가지고 있습니다.

이런 높은 에러율은 나노포어 시퀀싱 데이터의 고유한 에러 프로파일에서 비롯됩니다. 삽입(insertion), 삭제(deletion), 치환(substitution) 등의 에러가 많이 발생합니다. 이러한 에러들을 효과적으로 다루지 않으면 후속 데이터 분석 단계에서 오류가 커질 수 있습니다.

따라서 나노포어 시퀀싱 데이터를 정확하게 분석하기 위해서는 이러한 높은 에러율과 특수한 에러 프로파일을 잘 보완할 수 있는 전용 정렬(alignment) 도구가 필요합니다. 기존의 단분자 시퀀싱 데이터 분석용 도구들은 나노포어 데이터의 특성을 제대로 반영하지 못해 정확성이 낮을 수 있기 때문입니다.

요약하면, 나노포어 시퀀싱의 높은 에러율과 특수한 에러 프로파일을 보완하여 정확한 데이터 분석이 가능하도록 최적화된 전용 정렬 도구가 필요한 것입니다.

음.. 일단 무료 요금에서 사용하는 양인 경우 일단 쓸만한데 대부분의 논문 양은 유료버전 사용하시라고 뜰껍니다. :)

출처: @ye._.vely618