HyDA-Vista：迈向序列组装中 k-mer 大小的最优引导选择

动机：组装质量与组装器构建的 de Bruijn 图的复杂性密切相关。因此，人们开发了许多范式来降低 de Bruijn 图的复杂性。其中一个明显的组合范式是允许 $k$ 值变化；在图更复杂的地方使用较大的 $k$ 值，而在图可能包含较少虚假边和顶点的地方使用较小的 $k$ 值。影响该方法实用性的一个开放问题是如何在构建 de Bruijn 图之前预测 $k$ 值。我们表明，可以通过利用系统发育相近基因组中包含的信息，在组装前预测最优 $k$ 值，从而使多 $k$ 值在基因组组装中的实际应用成为可能。结果：我们提出了 HyDA-Vista，这是一种基因组组装器，它利用同源信息在 de Bruijn 图构建之前为每条读段选择一个 $k$ 值。如果没有测序错误且覆盖度充足，所选的 $k$ 即为最优值。我们方法的核心是构建{\em 最大序列景观}，这是一种数据结构，用于存储输入字符串中每个位置所包含的最大重复子串。特别地，我们展示了最大序列景观可以在 $O(n + n \log n)$ 时间和 $O(n)$ 空间内构建。HyDA-Vista 首先为同源基因组构建最大序列景观。然后将读段比对到该参考基因组，并利用最大序列景观和比对结果为每条读段分配 $k$ 值。最终，所有读段通过迭代 de Bruijn 图构建方法进行组装。我们的结果及与其他组装器的比较表明，HyDA-Vista 在重复序列解析或支架构建之前实现了最佳的{\em E. coli}组装。