中國科學院昆明動物研究所研究員馬占山與美國馬里蘭大學博士葉承曦在基因測序領域的合作再次取得新的突破。合作團隊近日正式發(fā)布了一款代號為 Sparc 的軟件。針對第三代基因測序儀硬件錯誤率高達15%－40%的現(xiàn)實，該團隊研發(fā)出了一套“線性復雜度”（復雜性最低）的算法，Sparc軟件即基于該新算法完成。綜合測試顯示：采用測序深度僅為30x的三代基因測序數(shù)據(jù)，Sparc取得組裝共識（Consensus) 時錯誤率低于0.5%；同時與目前最優(yōu)秀的同類軟件相比，Sparc可節(jié)省計算時間和內(nèi)存達80%。這一突破為推進基因測序技術(shù)邁向三代技術(shù)的產(chǎn)業(yè)升級提供了又一關鍵軟件技術(shù)。
Sparc是馬占山2011年回國后該團隊在基因測序領域所研發(fā)公布的第三款重要軟件。2011-2012年發(fā)布的SparseAssembler-I 和II系為第二代測序技術(shù)所設計，軟件公布后不久，華大基因旗艦軟件SoapDenovo即采用SparseAssembler的核心算法Sparse k-mer 而公布了自身軟件的升級版（SoapDenovo-II）。2014年發(fā)布的DBG2OLC為新興的三代測序技術(shù)（單分子測序）設計。目前這兩款軟件的性能在各自所處的二代和三代測序技術(shù)領域仍處于國際先進水平。此次發(fā)布的Sparc軟件旨在解決三代測序超高錯誤率的硬件技術(shù)難題。事實上，三代測序的錯誤率在15%-40%，而已經(jīng)占領測序市場主流近10年的二代測序技術(shù)其錯誤率則低于1%。正是由于這一測序錯誤率的巨大差異，以及二代測序儀制造商的市場份額優(yōu)勢，使得三代測序技術(shù)目前遠未發(fā)揮出其獨特的科學和技術(shù)優(yōu)勢。Sparc軟件能夠有效彌補三代測序技術(shù)硬件超高錯誤率這一“硬傷”，大幅度提高三代技術(shù)的市場競爭能力，為迎接基因測序產(chǎn)業(yè)升級奠定優(yōu)良的技術(shù)基礎。另外，Sparc 算法應用范圍不止于基因組裝技術(shù)；事實上，基因組學中諸多涉及糾錯（Error-correction)和變異檢測(Variant discovery)的技術(shù)都可受益于Sparc算法的線性復雜度優(yōu)勢。
基因測序技術(shù)使得人類在本世紀初完成了對自身遺傳密碼藍本的解讀，其劃時代意義可能不亞于阿波羅登月計劃。測序技術(shù)在人類基因組計劃中的地位，則類似于運載火箭技術(shù)在探月工程中所起的作用。測序技術(shù)在經(jīng)過30余年的研發(fā)后目前處于第二代與第三代交替的前夜。Sparc 團隊歷經(jīng)五年的努力，所研發(fā)的三款軟件SparseAssembler，DBG2OLC，Sparc的性能目前均處于國際先進或領先行列。DBG2OLC 和 Sparc所開發(fā)的算法解決了最新三代技術(shù)最為復雜的關鍵技術(shù)難題；在測序硬件技術(shù)出現(xiàn)更新一代技術(shù)之前，這一領域軟件的發(fā)展已經(jīng)超越了硬件技術(shù)的需求。特別是最新Sparc算法的“線性復雜度”意味著該問題最高效率級別的算法已經(jīng)找到，未來要想取得類似DBG2OLC或SparseAssembler所取得的千倍或數(shù)十倍計算效率的改進已經(jīng)不太可能。為此，Sparc合作團隊已經(jīng)將軟件研發(fā)轉(zhuǎn)向人體微生物菌群（包括腸道菌群）分析以及人工智能技術(shù)（特別是“深度神經(jīng)網(wǎng)絡學習”）。其中“菌群宏基因醫(yī)學生態(tài)與網(wǎng)絡大數(shù)據(jù)分析系統(tǒng)”包含了昆明動物所“計算生物與醫(yī)學生態(tài)學實驗室”自主研發(fā)的近20項分析技術(shù)，諸多技術(shù)的專利申請正在進行中；軟件系統(tǒng)預計2017-2018年間能夠正式對外公布。
Sparc 研發(fā)獲得了中科院、遺傳資源與進化國家重點實驗室、國家自然科學基金以及云南省高端科技人才、海外高層次人才、云嶺產(chǎn)業(yè)領軍人才以及創(chuàng)新團隊等項目的支持。由于該研究屬于計算機科學、數(shù)學和生物學的交叉領域，因此創(chuàng)新團隊成員間的跨界合作自然起到了關鍵作用。
軟件試用下載網(wǎng)址：https://sourceforge.net/projects/sparc-consensus/
