Analýza periodicity v sekvenačných dátach z nanopórového sekvenovania

Bc. Martin Vrzoň

Bachelor's thesis

Analysis of periodicity in nanopore sequencing data

Abstract:

Introduction of nanopore sequencer on the market by ONT company caused rapid progress in the field of DNA research. In contrast to previous sequencing methods, the sequencer can evaluate longer sequences at the same time, but with increased degree of inacuracy. The sequencer generates the signal, which is then translated using a basecaller. The accuracy of basecaller increases with time, but according to one study, this statement is not universal. High inaccuracies were detected mainly on long and repetitive sequences found on the ends of chromosomes in human DNA. This work focus on identification and summarisation of incorrect translations of tandem repetitions caused by errors of the basecaller. Analysis of the incorrect repetitions is based on comparison of the translation to the reference genome. Analyzed translation comes from sequencing used for assembly of human reference genome. The sample was aligned to the reference genome and the incorrect, but also correct translations were observed. The results are shown as tables containing the most common incorrectly translated tandem motifs and the most common wrong translations. This work contains valuable information useful for improvement of basecallers on DNA tandem repeat sequences. This approach can be used for many different basecallers.

Abstract:

Uvedenie nanopórového sekvenátora na trh spoločnosťou ONT odštartovalo vlnu rapídnych pokrokov v oblasti skúmania DNA. Oproti predchádzajúcim spôsobom odhaľovania dusíkatých báz a ich pozície v rámci genómu, sekvenátor dokáže vyhodnotiť naraz dlhšie postupnosti báz avšak za cenu určitej nepresnosti. Sekvenátor generuje signál, ktorý sa následne prekladá prekladačom báz. Postupom času sa presnosť prekladačov zvyšuje, ako ale ukázala jedna štúdia, neplatí to úplne všeobecne. Veľké nepresnosti boli zistené na dlhých repetitívnych opakovaniach, vyskytujúcich sa na konci chromozómov ľudskej DNA. Táto práca sa snaží identifikovať a sumarizovať chybné preklady tandemových opakovaní vznikajúce kvôli chybovosti prekladača báz. Analýza chybných repetitívnych prekladov je založená na porovnávaní prekladu s referenčným genómom. Skúmaný preklad pochádza zo sekvenovania, ktorý bol použitý na vytvorenie ľudského referenčného genómu. Vzorku zarovnáva oproti referenčnému genómu a pozoruje nesprávne preklady na úsekoch, ktoré sa zarovnali, ale aj ktoré sa nezarovnali. Výsledkom sú prehľadné tabuľky obsahujúce najčastejšie nesprávne prekladané tandemové motívy spolu s najčastejšími nesprávnymi tandemovými prekladmi. Práca poskytuje cenné informácie použiteľné na zlepšenie presnosti prekladačov na repetitívnych úsekoch DNA. Postup sa nevzťahuje iba na jediný prekladač báz, môže byť jednoducho aplikovaný aj na iné prekladače.

Keywords

tandemové opakovania, analýza prekladu, DNA, referenčný genóm, sekvenovanie, preklad báz, tandem repetitions, translation analysis, reference genome, sequencing, basecaller

Language used: Slovak

Date on which the thesis was submitted / produced: 19. 12. 2023

Thesis defence

• Date of defence: 16. 2. 2024
• Supervisor: doc. Ing. Matej Lexa, Ph.D.
• Reader: Mgr. Monika Čechová, Ph.D.

Masaryk University

Faculty of Informatics

Bachelor programme / field:
Programming and development / Programming and development