Ensamblaje Eficiente en Memoria Usando Flye

En la última década, la secuenciación de nueva generación (NGS) ha permitido la generación de datos genómicos de manera rentable y a gran escala. Las tecnologías de secuenciación de tercera generación producen lecturas más largas; sin embargo, sus tasas de error son mucho más altas, lo que complica el proceso de ensamblaje. Esto genera ensambladores de lecturas largas que requieren mucho tiempo y espacio. Además, los avances en estas tecnologías han permitido la secuenciación de ADN portátil y en tiempo real, lo que permite el análisis en el campo. En estos escenarios, se vuelve crucial contar con soluciones más eficientes que se puedan ejecutar en computadoras o dispositivos móviles con requisitos de hardware mínimos. Reimplementamos un ensamblador existente dedicado a lecturas largas, más concretamente Flye, utilizando estructuras de datos comprimidas. Luego comparamos nuestra versión con el software original utilizando conjuntos de datos reales y evaluamos su rendimiento en términos de requisitos de memoria, velocidad de ejecución y consumo de energía. Los resultados del ensamblaje no se ven afectados, ya que se mantiene el núcleo del algoritmo, pero el uso de estructuras de datos compactas avanzadas conduce a mejoras en el consumo de memoria que oscilan entre un 22% y un 47% menos espacio, y en el tiempo de procesamiento, que varían desde estar a la par hasta disminuir en un 25%. Estas mejoras también causan reducciones en el consumo de energía de alrededor del 3-8%, con algunos conjuntos de datos obteniendo disminuciones de hasta el 26%.