Completar montagens de genomas bacterianos: estratégia e comparações de desempenho

Determinar as sequências genômicas de microrganismos é a base e pré-requisito para entender sua biologia e caracterização funcional. Embora o advento de tecnologias de sequenciamento de segunda geração de baixo custo e extremamente alta taxa de transferência, juntamente com o desenvolvimento paralelo de algoritmos de montagem, tenha gerado montagens de genomas de forma rápida e econômica, tais montagens são frequentemente inacabadas, genomas rascunhos fragmentados, como resultado de comprimentos de leitura curtos e repetições longas presentes em várias cópias. Tecnologias de sequenciamento de terceira geração, como as da PacBio, contornaram esse problema ao aumentar significativamente o comprimento das leituras. Abordagens híbridas, incluindo ALLPATHS-LG, pipeline de leituras corrigidas da PacBio, SPAdes e SSPACE-LongRead, e abordagens não híbridas -- processo de montagem genômica hierárquico (HGAP) e pipeline de leituras corrigidas da PacBio via autocorreção -- foram propostas para utilizar as leituras longas da PacBio que podem abranger milhares de bases para facilitar a montagem de genomas microbianos completos. No entanto, procedimentos padronizados que visem avaliar e comparar essas abordagens são atualmente insuficientes. Para abordar essa questão, apresentamos aqui uma comparação abrangente, coletando conjuntos de dados para a avaliação comparativa dos cinco montadores mencionados acima. Além de oferecer recomendações explícitas e benéficas aos profissionais, este estudo visa auxiliar no design de um paradigma voltado para completar a montagem de genomas bacterianos.