ISMB/ECCB2015読み会の発表スライドです。

1. ISMB/ECCB
2015読み会
2015年8月10日
於：東京大学

2. 本会の開催趣旨
• バイオインフォマティクス分野のトップカンファ
レンスであるISMB/ECCBに採択された論文に
ついて、その概要をなるべく多く知ることに
よってこの分野全体の流行を把握する。
• トップのレベルを感じることで、どうすれば世
界と戦えるかを考える。

3. ISMB/ECCB
2015
• Joint
conference
– 23rd
annual
mee=ng
of
Intelligent
Systems
for
Molecular
Biology
(ISMB)
– 14th
European
Conference
on
Computa=onal
Biology
(ECCB)
• 開催地： ダブリン（アイルランド）
• 日程：
7月10〜14日
• プロシーディング：
Bioinforma=cs誌の特別号

4. ISMB/ECCB
2015
• 採択率：
42
/
241
≒
17.4%
and students in the field. The 42 papers in this volume were selected
from 241 original submissions divided into 13 research areas, col-
lectively led by 25 Area Chairs. For each area, the Area Chairs se-
lected an expert program committee for their subdiscipline and
oversaw the reviewing process for that area. By design, the Area
Chairs included a mix of experienced individuals reappointed from
previous years and experts newly recruited to ensure broad tech-
nical expertise and to promote inclusivity of various elements of the
research community. In total, the review process involved the 25
Area Chairs, 378 program committee members, and an additional
27 papers that were resubmitted, 15 were judged to have addressed
the concerns of the reviewers and were accepted for the conference
proceedings, resulting in a total of 42 acceptances and an overall
acceptance rate of 42/241 ¼ 17.4%. We believe that this two-tier
system, which is more reflective of typical multi-round journal re-
view procedures, provided a means of ensuring that only the high-
est quality original work was accepted within the tight timing
constraints imposed by the conference scheduling. We thank all
authors for submitting their work. These proceedings would sim-
ply not be possible without the scientific ingenuity of the
Table 1. ISMB/ECCB 2015 review summary by area.
Topic area Chairs Submissions Accepted
round 1
Invited for
round 2
Accepted
in round 2
Approved for
proceedings
Applied Bioinformatics Thomas Lengauer and Christophe
Dessimoz
30 1 6 3 4
Bioimaging and Data Visualization Robert Murphy 12 1 2 1 2
Databases, Ontologies and Text Mining Hagit Shatkay and Helen Parkinson 11 1 1 1 2
Disease Models and Epidemiology Simon Kasif and Alice McHardy 21 3 3 3 6
Evolution and Comparative Genomics Bernard Moret and Louxin Zhang 12 2 0 0 2
Gene Regulation and Transcriptomics Uwe Ohler and Zohar Yakhini 30 2 4 2 4
Mass Spectrometry and Proteomics Olga Vitek and Knut Reinert 11 2 0 0 2
Metabolic Networks Bonnie Berger and Hidde de Jong 5 2 0 0 2
Population Genomics Russell Schwartz and Jennifer
Listgarten
22 3 2 1 4
Protein Interactions and Molecular
Networks
Natasa Przulj and Igor Jurisica 29 2 5 3 5
Protein Structure and Function Torsten Schwede and Anna
Tramontano
22 3 2 1 4
RNA Bioinformatics Jerome Waldispuhl and Hanah
Margalit
6 0 1 0 0
Sequence Analysis Michael Brudno and Siu-Ming Yiu 30 5 3 0 5
241 27 29 15 42

5. 来年は？
• ISMB
2016
– 開催地：オーランド（アメリカ）
– 日程：
7月8〜12日
– 投稿締切：
1月??日（正月休めない！）
• ECCB
2016
– 開催地：ハーグ（オランダ）
– 日程：
9月3〜7日
– 投稿締切： 3月??日
• 再来年以降は？
– ISMB/ECCB
2017： プラハ（チェコ）
– ISMB
2018： シカゴ（アメリカ）
– ISMB
2020： 日本？

6. 注意事項
• 発表時間は質疑を含めて15分です。発表12分、
質疑3分ぐらいを目安でお願いします。
• 発表時間が短いので、可能な限り詳細は省き、
エッセンスのみを発表するようにしてください。例
えば、この論文のどこがすごいのか、なぜISMB
に採択されたのか、などに絞って説明していただ
けるとわかりやすいです。
• 詳細については、発表を聞いて興味をもった聴
講者が自身で論文を読んでください、というスタ
ンスで結構です。

7. 慶應義塾大学理工学部
佐藤健吾
satoken@bio.keio.ac.jp
Misassembly detection using paired-end
sequence reads and optical mapping data
Martin D. Muggli1,
*, Simon J. Puglisi2
, Roy Ronen3
and
Christina Boucher1
1
Department of Computer Science, Colorado State University, Fort Collins, CO 80526, USA, 2
Department of
Computer Science, University of Helsinki, Finland and 3
Bioinformatics Graduate Program, University of California,
San Diego, La Jolla, CA 92093, USA
*To whom correspondence should be addressed.
Abstract
Motivation: A crucial problem in genome assembly is the discovery and correction of misassembly
errors in draft genomes. We develop a method called MISSEQUEL that enhances the quality of draft
genomes by identifying misassembly errors and their breakpoints using paired-end sequence
reads and optical mapping data. Our method also fulfills the critical need for open source computa-
tional methods for analyzing optical mapping data. We apply our method to various assemblies of
the loblolly pine, Francisella tularensis, rice and budgerigar genomes. We generated and used
stimulated optical mapping data for loblolly pine and F.tularensis and used real optical mapping
data for rice and budgerigar.
Results: Our results demonstrate that we detect more than 54% of extensively misassembled con-
tigs and more than 60% of locally misassembled contigs in assemblies of F.tularensis and between
31% and 100% of extensively misassembled contigs and between 57% and 73% of locally misas-
Bioinformatics, 31, 2015, i80–i88
doi: 10.1093/bioinformatics/btv262
ISMB/ECCB 2015
ISMB/ECCB
2015読み会＠東大

8. 目的
• アセンブラに依存しない方法でミスアセンブリ
を検出したい。
• ペアエンドリードのみではなく、op=cal
mappingデータを用いて、検出精度向上を目
指す。

9. Op=cal
mapping
[Wikipedia]

10. Recruitment
of
reads
• ペアエンドリードをコンティグに貼り付ける。
• 張り付いた順番、向き、カバレッジから、ミス
アセンブリの候補を検出する。
Correct assembly
A R CR A R CR
Inversion
A R CR
mate-pair 1 mate-pair 2 mate-pair 3
mate-pair 1 mate-pair 2 mate-pair 3
mate-pair 1 mate-pair 2 mate-pair 3
Rearrangment
A R CR
v
Correct assembly (read depth)
A R C
v
Collapsed repeat Expanded repeat:
A R CRR
v
(a) (b) (c)
(d) (e) (f)
Fig. 1. An illustration about the systematic alterations that occur with rearrangements, inversions, collapsed repeats and expanded repeats. (a) Proper read align-
ment where mate-pair reads have the correct orientation and distance from each other. A rearrangement or inversion will present itself by the orientation of the
reads being incorrect and/or the distance of the mate-pairs being significantly smaller or significantly larger than the expected insert size. This is shown in (b) and
i82 M.D.Muggli et al.

11. Red-­‐black
posi=onal
de
Bruijn
graph
• コンティグ上の位置情報を持ったde
Bruijn
graph
• カバレッジが近傍の平均と比べて極端に外れている
場合、ペアエンドの整合性が取れない場合⇒赤、そ
うでない場合⇒黒
• 赤が50個以上続いたらミスアセンブリ候補
Misassembly detection using paired-end sequence reads and optical mapping data i83

12. Misassembly
verifica=on
• Twin
[Muggli
et
al,
2014]
を使ってコンティグを
Op=cal
mappingデータにアラインメントする。
– コンティグを制限酵素の認識部位でin
silicoで切
断し、得られた配列の長さとOp=cal
mappingデー
タを比べる。

13. 実験データ
• Simulated
op=cal
mapping
data
– F.
tularensis
（野兎病菌）
– Pinus
taeda
（テーダマツ）
⇒
３種類の制限酵素を使ってシミュレーション
• Real
op=cal
mapping
data
– rice
（稲）
– budgerigar
（セキセイインコ）
⇒
公開データを使う

14. ミスアセンブリ
• QUAST
[Gurevish
et
al,
2013]
では以下のよう
に定義されている。

15. 結果（F.
tularensis）
• SOAPdenovo
• Velvet,
ABySS,
SPAdes,
IDBA-­‐UDでも同様の傾
向を示した。
MA
TPR
local
MA
TPR
FPR
misSQuel
(PE
only)
100%
(10/10)
100%
(35/35)
63%
(165/263)
misSQuel
(OM
only)
80%
(8/10)
63%
(22/35)
29%
(77/263)
misSQuel
(both)
80%
(8/10)
84%
(21/35)
20%
(53/263)
REAPR
20%
(2/10)
14%
(5/35)
2%
(6/263)
Pilon
10%
(1/10)
9%
(3/35)
2%
(5/263)

16. 結果（Pinus
taeda）
• SPAdes
MA
TPR
local
MA
TPR
FPR
misSQuel
100%
(7/7)
73%
(8/11)
<1%
(135/20653)
REAPR
14%
(1/7)
27%
(3/11)
6%
(1323/20653)
Pilon
14%
(1/7)
18%
(2/11)
4%
(923/20653)

17. 結果（rice）
• SOAPdenovo
MA
TPR
local
MA
TPR
FPR
misSQuel
75%
(374/499)
100%
(3/3)
<1%
(821/10941)
REAPR
6%
(30/499)
0%
(0/3)
6%
(800/10941)
Pilon
5%
(25/499)
0%
(0/3)
4%
(522/10941)

18. 結果（budgerigar）
• SOAPdenovo
MA
TPR
local
MA
TPR
FPR
misSQuel
77%
(10777/13996)
80%
(2350/2937)
10%
(4023/39394)

19. 考察
• Op=cal
mappingデータは、ミスアセンブリの検
出に役に立つことが示された。
• 一方、ミスアセンブリとstructural
variantの違
いを検出することはできない。偽陽性の大部
分は、実はstructural
variantに違いない。
• どの制限酵素を選べばいいかは今後の課題
である。

20. この論文のすごいところ
• 手法の新規性
– Op=cal
mappingデータをちゃんと利用するツールが
今のところあまりない。
• ツールの実用性
– なかなかの高精度でミスアセンブリを検出できる。
– アセンブラを選ばない。
• 論文の完成度
– さまざまな生物種について、いろいろなゲノムアセン
ブラのアセンブリにおける網羅的な実験を行っている。