Bowtie 2 چیست؟ از مبانی تئوری تا راهنمای نصب و اجرای الاینمنت

آشنایی با Bowtie 2 و نقش آن در بیوانفورماتیک

نرم‌افزار Bowtie 2 یک ابزار فوق‌سریع و بهینه از نظر مصرف رم است که برای هم‌ترازی (Alignment) خوانش‌های توالی‌یابی (reads) با ژنوم‌های رفرنس طویل طراحی شده است. این ابزار به طور ویژه برای هم‌ترازی خوانش‌هایی با طول ۵۰ تا چند صد کاراکتر (جفت‌باز) بر روی ژنوم‌های نسبتاً بزرگ، مانند ژنوم پستانداران، عملکردی فوق‌العاده دارد.

یکی از چالش‌های هم‌ترازی، مصرف بالای منابع سیستم است؛ اما Bowtie 2 با ایندکس‌گذاری ژنوم بر اساس FM Index (مبتنی بر تبدیل Burrows-Wheeler یا BWT)، توانسته میزان مصرف رم را به حداقل برساند. به عنوان مثال، برای ژنوم انسان، میزان فضای اشغال‌شده در رم معمولاً تنها در حدود ۳.۲ گیگابایت است. علاوه بر این، پشتیبانی از پردازش چندگانه (Multi-threading) به شما اجازه می‌دهد تا با استفاده همزمان از چندین پردازنده، سرعت الاینمنت را به شکل چشمگیری افزایش دهید.

این ابزار از حالت‌های مختلف هم‌ترازی از جمله موارد زیر پشتیبانی می‌کند:

• فاصله‌دار (Gapped)
• محلی (Local)
• جفت‌انتهایی (Paired-end)

خروجی استاندارد Bowtie 2 به فرمت SAM است که تعامل یکپارچه و آسان آن را با طیف وسیعی از ابزارهای پایین‌دستی مانند SAMtools و GATK تضمین می‌کند. به همین دلیل، Bowtie 2 اغلب به عنوان اولین گام در پایپ‌لاین‌های ژنومیکس مقایسه‌ای شناخته می‌شود و کاربرد گسترده‌ای در فرایندهایی نظیر فراخوانی واریانت‌ها (Variation calling) ، ChIP-seq ، RNA-seq و BS-seq دارد.

این نرم‌افزار تحت لایسنس منبع‌باز GPLv3 منتشر شده و به راحتی از طریق خط فرمان (Command line) در سیستم‌عامل‌های لینوکس، مک، ویندوز و BSD قابل اجراست.

تاریخچه و سیر تکاملی Bowtie

برای درک بهتر جایگاه Bowtie 2 در بیوانفورماتیک مدرن، باید کمی به عقب برگردیم؛ به سال ۲۰۰۹، زمانی که فناوری توالی‌یابی نسل جدید (NGS) با سرعتی باورنکردنی در حال تولید حجم عظیمی از داده‌ها بود. در آن دوران، بزرگ‌ترین چالش پژوهشگران، نگاشت و هم‌ترازی این حجم وسیع از خوانش‌های کوتاه با ژنوم رفرنس، آن هم با منابع محاسباتی محدود و رایانه‌های معمولی بود.

در پاسخ به این چالش، Ben Langmead و همکارانش در دانشگاه Johns Hopkins، نسخه اول ابزار Bowtie (که امروزه به آن Bowtie 1 نیز می‌گویند) را معرفی کردند. این ابزار با بهره‌گیری خلاقانه از الگوریتم BWT و ساختار داده FM-index، انقلابی در سرعت و مدیریت حافظه ایجاد کرد. Bowtie 1 قادر بود خوانش‌های کوتاه آن زمان (حدود ۲۵ تا ۵۰ نوکلئوتید) را تا ۳۰ برابر سریع‌تر از ابزارهای هم‌دوره خود الاین کند، در حالی که بخش بسیار کوچکی از حافظه رم را اشغال می‌کرد.

اما پیشرفت تکنولوژی توالی‌یابی متوقف نشد. با گذشت زمان، دستگاه‌های توالی‌یابی توانستند خوانش‌های بلندتری (بیش از ۵۰ تا چند صد نوکلئوتید) تولید کنند. خوانش‌های بلندتر، پتانسیل بیشتری برای مواجهه با جهش‌های ساختاری مانند حذف و اضافه‌شدن‌های کوچک (Indels) داشتند. اینجا بود که ضعف Bowtie 1 نمایان شد؛ این نسخه اولیه برای خوانش‌های بسیار کوتاه بهینه‌سازی شده بود و توانایی انجام هم‌ترازی فاصله‌دار (Gapped Alignment) برای تشخیص این تغییرات ساختاری را نداشت.

تیم توسعه‌دهنده برای رفع این محدودیت دست به کار شد و در سال ۲۰۱۲، ابزار Bowtie 2 را به جهان معرفی کرد. Bowtie 2 با بازطراحی الگوریتم‌ها و افزودن قابلیت‌های حیاتی مانند هم‌ترازی محلی (Local) و فاصله‌دار، توانست با حساسیت و دقت بسیار بالاتر، خوانش‌های بلندتر را هم‌ترازی کند. این ابزار بدون از دست دادن مزیت‌های اصلی خود یعنی سرعت فوق‌العاده و مصرف بهینه حافظه، به یکی از ارکان اصلی پایپ‌لاین‌های بیوانفورماتیکی مدرن تبدیل شد.

تفاوت‌های کلیدی Bowtie 1 و Bowtie 2

Bowtie 1 که در سال ۲۰۰۹ منتشر شد، برای خوانش‌های بسیار کوتاه که در آن زمان رایج بود، بهینه‌سازی شده بود. اما Bowtie 2 برای همگامی با دیتای جدیدتر و طولانی‌تر توسعه یافت.

در ادامه، مهم‌ترین تفاوت‌های این دو ابزار را بررسی می‌کنیم:

۱. هم‌ترازی فاصله‌دار (Gapped Alignment) و محلی (Local)

• تشخیص فاصله‌ها: برعکس Bowtie 1 که تنها هم‌ترازی بدون فاصله (Ungapped) را انجام می‌داد، Bowtie 2 به طور کامل از هم‌ترازی فاصله‌دار پشتیبانی می‌کند و هیچ محدودیتی برای تعداد یا طول این فاصله‌ها (Gap) ندارد.
• هم‌ترازی محلی: Bowtie 2 دارای حالت “Local” است. یعنی نیازی نیست کل طول خوانش با ژنوم مرجع هم‌تراز شود؛ الگوریتم می‌تواند بخش‌هایی از ابتدا یا انتهای خوانش را نادیده بگیرد (Soft clipping) تا بهترین امتیاز هم‌ترازی به دست آید.

۲. سرعت و حساسیت بر اساس طول خوانش مهم‌ترین معیار برای انتخاب بین این دو نسخه، طول خوانش داده‌های شماست:

• برای خوانش‌های بزرگتر از ۵۰ جفت‌باز، Bowtie 2 به شکل قابل‌توجهی سریع‌تر، حساس‌تر و از نظر مصرف رم بهینه‌تر است.
• برای خوانش‌های کوچکتر از ۵۰ جفت‌باز، همچنان Bowtie 1 می‌تواند در برخی موارد سریع‌تر و حساس‌تر عمل کند.

۳. سیستم امتیازدهی و انعطاف‌پذیری

• بدون محدودیت طول: Bowtie 1 محدودیت طول خوانش تا حدود ۱۰۰۰ جفت‌باز داشت، اما در Bowtie 2 هیچ محدودیتی برای طول خوانش‌ها وجود ندارد.
• امتیازدهی پیوسته: Bowtie 2 مفهوم “Stratum” (طبقه‌بندی هم‌ترازی) در نسخه اول را حذف کرده و از یک طیف پیوسته از امتیازات هم‌ترازی (مشابه الگوریتم‌های استاندارد اسمیت-واترمن) استفاده می‌کند.
• خوانش‌های جفت‌انتهایی (Paired-end): Bowtie 2 انعطاف بسیار بیشتری دارد. اگر نتواند دو خوانش را به صورت جفت هم‌تراز کند، تلاش می‌کند تا هر کدام را به صورت مستقل (Unpaired) هم‌تراز نماید.

الگوریتم Bowtie 2 چگونه کار می‌کند؟

Bowtie 2 برای اینکه بتواند با سرعتی بی‌نظیر میلیاردها خوانش را با ژنوم رفرنس مطابقت دهد، از یک فرآیند هوشمندانه چهار مرحله‌ای استفاده می‌کند. بر اساس مستندات منتشر شده در ژورنال Nature Methods، روند هم‌ترازی برای هر خوانش به شرح زیر است:

مرحله ۱: استخراج بذرها (Seed Extraction) : ابتدا الگوریتم، خوانش اصلی را به قطعات بسیار کوچک‌تری به نام «بذر» (Seed) تقسیم می‌کند. این عمل هم برای توالی اصلی و هم برای رشته مکمل معکوس (Reverse complement) آن انجام می‌شود تا هیچ احتمالی برای هم‌ترازی از دست نرود.

مرحله ۲: جستجوی اولیه با کمک FM Index : در این گام، Bowtie 2 بذرهای استخراج‌شده را به صورت بدون فاصله (Ungapped) با ژنوم مرجع مطابقت می‌دهد. این جستجوی فوق‌سریع به کمک ساختار داده FM Index انجام می‌شود و خروجی آن، بازه‌هایی به نام محدوده‌های بروز-ویلر (BW Ranges) است که مکان‌های احتمالی بذرها را روی ژنوم نشان می‌دهد.

مرحله ۳: اولویت‌بندی و موقعیت‌یابی دقیق (Walk-left) الگوریتم اکنون محدوده‌های BW به‌دست‌آمده را بررسی می‌کند. در اینجا یک قانون مهم وجود دارد: محدوده‌های کوچک‌تر (که نشان‌دهنده تطابق‌های اختصاصی‌تر هستند) اولویت بالاتری دریافت می‌کنند. سپس نرم‌افزار به صورت تصادفی اما بر اساس این اولویت‌ها، موقعیت دقیق (Offset) هر بذر را روی ژنوم مرجع با استفاده از فرآیندی به نام “Walk-left” محاسبه و قطعی می‌کند.

مرحله ۴: هم‌ترازی نهایی با برنامه‌نویسی پویا (Dynamic Programming) در گام آخر، Bowtie 2 به سراغ موقعیت‌های تاییدشده در مرحله قبل می‌رود و در مجاورت آن‌ها، یک هم‌ترازی بسیار دقیق با روش «برنامه‌نویسی پویا» انجام می‌دهد. برای جلوگیری از افت سرعت، این محاسبات پیچیده توسط دستورات SIMD در پردازنده شتاب‌دهی می‌شوند. این فرآیند جستجو تا زمانی ادامه می‌یابد که تمام بذرها بررسی شوند، تعداد کافی از الاینمنت‌ها یافت شود، و یا اینکه الگوریتم به سقف مجاز محاسباتی خود برسد.

از دانلود تا اجرا: چگونه Bowtie 2 را نصب کنیم؟

برای نصب Bowtie 2، بسته به سطح تخصص و نیاز شما، دو مسیر کلی وجود دارد: استفاده از نسخه‌های آماده یا نصب با سورس کد

۱. روش‌های نصب سریع (نسخه‌های بدون نیاز به کامپایل)

این گزینه‌ها برای کاربرانی است که می‌خواهند بدون درگیر شدن با کدهای برنامه‌نویسی، سریعاً کار الاینمنت را شروع کنند:

• نصب از طریق Bioconda (پیشنهاد ویژه): راحت‌ترین و استانداردترین روش در بیوانفورماتیک است. اگر مدیریت‌بسته Conda را روی سیستم دارید، تنها با اجرای دستور conda install bowtie2 در ترمینال، نرم‌افزار به طور کامل نصب می‌شود.
• دانلود فایل‌های اجرایی آماده (Binaries): در این روش، شما نرم‌افزاری را دانلود می‌کنید که از قبل برای سیستم‌عامل شما (لینوکس، مک یا ویندوز) آماده و کامپایل شده است. کافیست فایل را دانلود کرده، از حالت فشرده خارج کنید و بدون نیاز به اجرای هیچ دستور اضافه‌ای، مستقیماً از آن استفاده کنید.

رمز فایل فشرده: www.vanyarbioinf.ir

۲. نصب حرفه‌ای از طریق کدهای خام (نسخه‌های نیازمند به کامپایل)

این روش مخصوص کاربرانی است که می‌خواهند نرم‌افزار را دقیقاً برای پردازنده سیستم خود بهینه‌سازی کنند.

در این حالت، شما فایل سورس‌کد را دانلود می‌کنید. این فایل شامل کدهای خام است و قابلیت اجرای مستقیم ندارد؛ بلکه باید آن را روی سیستم خودتان ترجمه (کامپایل) کنید:

• پیش‌نیازها: سیستم شما باید به کامپایلرهای استاندارد مثل Clang یا GCC و ابزار GNU Make مجهز باشد.
• اجرای دستور کامپایل: پس از استخراج فایل فشرده، ترمینال را در آن پوشه باز کرده و دستور make را اجرا کنید. این دستور، کدهای خام را به یک برنامه اجرایی تبدیل می‌کند.

در زمان کامپایل سورس‌کد، توسعه‌دهندگان به شما اجازه می‌دهند ویژگی‌های خاصی را فعال کنید:

• پشتیبانی مستقیم از SRA (دیتابیس NCBI): در نسخه‌های ۲.۳.۵ به بعد، می‌توانید خوانش‌های فرمت SRA را مستقیماً پردازش کنید. برای فعال‌سازی این قابلیت، باید Java روی سیستم شما نصب باشد و فرآیند ساخت را با دستور make USE_SRA=1 انجام دهید.
• الگوریتم ایندکس‌سازی فوق‌سریع (SAIS): از نسخه ۲.۵.۳، می‌توانید از الگوریتم libsais برای ساخت ایندکس استفاده کنید. این روش سرعت ساخت ایندکس را به شدت افزایش می‌دهد، اما نسبت به حالت عادی، فضای RAM بسیار بیشتری اشغال می‌کند.

گام نهایی: شناساندن نرم‌افزار به سیستم (Add to PATH)

بعد از اینکه نرم‌افزار را به هر یک از روش‌های بالا آماده کردید، باید بتوانید دستورات آن را از هر پوشه‌ای در سیستم اجرا کنید. حتماً مسیر پوشه حاوی فایل‌های Bowtie 2 را به متغیر محیطی PATH در سیستم‌عامل خود اضافه کنید.

ساخت ایندکس ژنوم رفرنس در Bowtie 2

تصور کنید می‌خواهید یک کلمه خاص را در یک کتاب قطور پیدا کنید؛ اگر کتاب فهرست (Index) نداشته باشد، باید صفحه به صفحه آن را بگردید که کار بسیار زمان‌بری است. الگوریتم‌های الاینمنت هم دقیقاً همین مشکل را با ژنوم‌های بزرگ (مثل ژنوم ۳ میلیارد جفت‌بازی انسان) دارند.

ابزار bowtie2-build فایل‌های توالی ژنوم (FASTA) را دریافت کرده و با استفاده از الگوریتم‌های پیشرفته‌ای نظیر تبدیل Burrows-Wheeler، یک ایندکس از آن می‌سازد. پس از ساخت این ایندکس، سرعت جستجو و الاینمنت به شدت افزایش می‌یابد.

ورودی و خروجی‌ها در یک نگاه

• ورودی: فایل یا فایل‌های ژنوم رفرنس با فرمت FASTA
• خروجی: این ابزار ۶ فایل مجزا تولید می‌کند که پسوند bt2 دارند (مانند NAME.1.bt2 و NAME.rev.1.bt2)
• نکته مهم: اگر ژنوم شما بسیار بزرگ باشد (بیش از ۴ میلیارد نوکلئوتید)، پسوند فایل‌های خروجی به صورت خودکار به bt2l تغییر می‌کند. پس از تولید این ۶ فایل، نرم‌افزار Bowtie 2 برای انجام الاینمنت دیگر هیچ نیازی به فایل FASTA اولیه ندارد!

مهم‌ترین آرگومان‌های خط فرمان

برای اجرای این ابزار، ساختار کلی دستور به این شکل است:

bowtie2-build [options] <reference_in> <bt2_base>

در میان ده‌ها تنظیم مختلف، این موارد برای کارهای روزمره از همه مهم‌ترند:

• <reference_in>: مسیر فایل‌های FASTA ژنوم مرجع (می‌تواند چند فایل باشد که با کاما جدا شده‌اند)
• <bt2_base>: نام دلخواهی که می‌خواهید برای فایل‌های خروجی ایندکس انتخاب کنید.
• --threads: این گزینه حیاتی است! به صورت پیش‌فرض برنامه فقط از یک هسته پردازنده استفاده می‌کند. با افزایش این عدد، سرعت ساخت ایندکس به شدت بالا می‌رود.
• --large-index: اگر ژنوم شما زیر ۴ میلیارد باز است اما همچنان اصرار دارید ساختار ایندکس از نوع بزرگ (Large index) باشد، این گزینه را فعال کنید.

نکته مهم : ساخت ایندکس برای ژنوم‌های بزرگی مثل ژنوم انسان بسیار زمان‌بر است و سیستم شما را به شدت درگیر می‌کند. خبر خوب این است که نیازی نیست همیشه ایندکس‌ها را از صفر بسازید! توسعه‌دهندگان Bowtie 2 و مراجعی مانند پایگاه Illumina iGenomes، ایندکس‌های آماده و استانداردی را برای مهم‌ترین ارگانیسم‌ها (مانند انسان، موش، مگس سرکه و مخمر) از پیش محاسبه کرده و برای دانلود رایگان قرار داده‌اند.

اجرای الاینمنت با Bowtie 2

ساختار کلی و استاندارد برای اجرای نرم‌افزار Bowtie 2 در خط فرمان به شکل زیر است:

bowtie2 [options] -x <bt2-idx> {-1 <m1> -2 <m2> | -U <r>} -S [<sam>]

در نگاه اول شاید این ساختار کمی گیج‌کننده به نظر برسد، اما در واقع از چند بخش بسیار ساده و منطقی تشکیل شده است. بیایید آرگومان‌های اصلی (Main Arguments) را رمزگشایی کنیم:

• -x (ایندکس ژنوم مرجع): این مهم‌ترین آرگومان است. در اینجا باید مسیر و «نام پایه» فایل‌های ایندکسی را که در مرحله قبل (با دستور bowtie2-build) ساخته‌اید، وارد کنید.
  • نکته مهم: منظور از نام پایه این است که نیازی نیست پسوندهایی مثل .1.bt2 را بنویسید؛ فقط همان نام اصلی کافی است.
• -1 و -2 (برای داده‌های Paired-end): اگر داده‌های توالی‌یابی شما جفت‌انتهایی هستند، فایل‌های خوانش اول (Forward) را با آرگومان -1 و خوانش‌های دوم (Reverse) را با آرگومان -2 به برنامه می‌دهیم (این فایل‌ها معمولاً فرمت FASTQ دارند).
• -U (برای داده‌های Single-end): اگر داده‌های شما تک‌انتهایی (Unpaired) هستند، به جای استفاده از دو آرگومان بالا، تنها از -U استفاده کرده و مسیر فایل خوانش خود را وارد می‌کنید.
• -S (فایل خروجی): در این بخش نام و مسیر فایلی را که می‌خواهید نتایج الاینمنت در آن ذخیره شود، مشخص می‌کنید. این فایل به صورت استاندارد باید پسوند .sam داشته باشد.

(سایر ورودی‌های خاص): علاوه بر موارد بالا، Bowtie 2 می‌تواند به صورت مستقیم داده‌های دانلود‌شده از پایگاه NCBI (با پارامتر --sra-acc) یا فایل‌های الاین‌نشده BAM (با پارامتر -b) را نیز به عنوان ورودی دریافت کند.

پروژه عملی: از فایل خام تا کشف واریانت‌ها

توسعه‌دهندگان Bowtie 2، دیتای آموزشی ویروس باکتریوفاژ لامبدا را درون پوشه نرم‌افزار قرار داده‌اند تا بتوانید کل مسیر الاینمنت تا فراخوانی واریانت‌ها (variant calling) را در چند دقیقه تمرین کنید.

برای اجرای دستورات در ترمینال لینوکس، فرض می‌کنیم متغیر محیطی BT2_HOME را به پوشه نصب Bowtie 2 متصل کرده‌اید.

گام اول: ساخت ایندکس ژنوم رفرنس

ابتدا باید ژنوم مرجع ویروس لامبدا (فایل FASTA) را برای نرم‌افزار قابل‌فهم کنیم. یک پوشه جدید بسازید و دستور زیر را اجرا کنید:

$BT2_HOME/bowtie2-build $BT2_HOME/example/reference/lambda_virus.fa lambda_virus

• نتیجه: برنامه پس از چند ثانیه، ۶ فایل با پسوند .bt2 می‌سازد که همان ایندکس‌های ژنوم مرجع شما هستند.

گام دوم: هم‌ترازی خوانش‌ها (Alignment)

حالا با توجه به نوع داده‌هایتان، یکی از دستورات زیر را برای هم‌ترازی اجرا کنید. خروجی همه این حالت‌ها، یک فایل متنی با فرمت استاندارد SAM خواهد بود که حاوی موقعیت دقیق خوانش‌ها روی ژنوم است.

• حالت اول (Single-end):

$BT2_HOME/bowtie2 -x lambda_virus -U $BT2_HOME/example/reads/reads_1.fq -S eg1.sam

• حالت دوم (Paired-end):

$BT2_HOME/bowtie2 -x lambda_virus -1 $BT2_HOME/example/reads/reads_1.fq -2 $BT2_HOME/example/reads/reads_2.fq -S eg2.sam

• حالت سوم (Local): برای خوانش‌های بلندتر

$BT2_HOME/bowtie2 --local -x lambda_virus -U $BT2_HOME/example/reads/longreads.fq -S eg3.sam

گام سوم: پردازش پایین‌دستی با SAMtools و BCFtools

فایل SAM متنی و بسیار حجیم است. در پایپ‌لاین‌های واقعی، ما از ابزارهای SAMtools و BCFtools برای فشرده‌سازی، مرتب‌سازی و در نهایت یافتن واریانت‌ها استفاده می‌کنیم. این فرآیند سه مرحله دارد:

تبدیل SAM به BAM (فشرده‌سازی باینری) – مرتب‌سازی فایل BAM (الزامی برای مراحل بعدی – استخراج واریانت‌ها (تبدیل به VCF)

جایگاه Bowtie 2 در برابر رقبا

در دنیای آنالیز داده‌های ژنومی، هیچ ابزاری شبیه یک آچار فرانسه نیست که برای تمام پروژه‌ها بی‌نقص کار کند. پژوهشگران بارها Bowtie 2 را در کنار ده‌ها ابزار دیگر (مانند BWA ، GSNAP ، SOAP2 و غیره) در شرایط واقعی آزمایش کرده‌اند تا ببینند این نرم‌افزار دقیقاً در چه مواردی می‌درخشد و کجا باید جای خود را به ابزارهای دیگر بدهد.

بیایید جایگاه Bowtie 2 را در برابر رقبای اصلی‌اش در پروژه‌های مختلف بررسی کنیم:

چالش طول خوانش‌ها و انعطاف‌پذیری

بسیاری از نرم‌افزارهای قدیمی‌تر با افزایش طول خوانش‌های توالی‌یابی دچار افت شدید سرعت و دقت می‌شدند. اما بررسی‌ها نشان می‌دهد که Bowtie 2 (در کنار BWA) از معدود ابزارهایی است که می‌تواند خوانش‌های بلند (حتی تا ۵۰۰ جفت‌باز) را با پایداری بسیار بالایی هم‌تراز کند. نکته جالب اینجاست که Bowtie 2 در تنظیمات پیش‌فرض خود، سرعت را به بالاترین حدِ ممکن می‌رساند؛ به همین دلیل ممکن است درصد اندکی از خوانش‌های پیچیده را از دست بدهد. اما جای نگرانی نیست! اگر در پروژه‌ای نیاز به دقتِ وسواس‌گونه دارید، به راحتی می‌توانید با تغییر چند پارامتر، حساسیت نرم‌افزار را بالا ببرید (هرچند این کار کمی زمان اجرا را طولانی‌تر می‌کند).

نبرد در شناسایی واریانت‌ها

وقتی پای استخراج واریانت‌های ژنتیکی (SNP Calling) به میان می‌آید، Bowtie 2 عملکرد بسیار قابل‌قبولی دارد و در آزمایش‌ها می‌تواند هزاران واریانت را با دقت بالا استخراج کند. با این حال، رقیب اصلی او یعنی BWA-MEM در این زمینه پادشاهی می‌کند!

• چه زمانی BWA-MEM بهتر است؟ در پایپ‌لاین‌های حساس بالینی مثل توالی‌یابی کل اگزوم (WES)، ابزار BWA-MEM به دلیل توانایی فوق‌العاده‌اش در تشخیص حذف و اضافه‌های طولانی‌تر (Indels) معمولاً انتخاب اول یا همان استاندارد طلایی است.
• چه زمانی Bowtie 2 بهتر است؟ اگر روی داده‌های اپی‌ژنتیک مانند ChIP-Seq یا توالی‌یابی بیوسولفیت (BS-Seq) کار می‌کنید، Bowtie 2 به دلیل سرعت بالا و الگوریتم‌های بهینه‌اش رقیب ندارد.

معمای داده‌های RNA-Seq

اینجا دقیقاً همان جایی است که باید در انتخاب ابزار دقت کنید! داده‌های RNA-Seq حاوی اطلاعات اگزون‌ها هستند و نرم‌افزار باید بتواند فواصل بزرگِ اینترونی روی ژنوم را تشخیص دهد (به این ویژگی Splice-awareness می‌گویند). Bowtie 2 این قابلیت را ندارد؛ بنابراین برای هم‌ترازی RNA با ژنوم مرجعِ یوکاریوت‌ها مناسب نیست (مگر اینکه روی باکتری‌ها کار کنید یا مرجع شما ترانسکریپتوم باشد).

• مقایسه با STAR: نرم‌افزار STAR دقیقاً برای RNA-Seq ساخته شده و فواصل اینترونی را به خوبی می‌شناسد. سرعت STAR بی‌نظیر است، اما به شدت تشنه حافظه RAM است (بیش از ۳۰ گیگابایت برای ژنوم انسان!). در حالی که Bowtie 2 با یک سیستم معمولی (حدود ۳.۲ گیگابایت RAM) به راحتی اجرا می‌شود.
• راه حل نهایی (HISAT2): اگر می‌خواهید داده‌های RNA-Seq را هم‌تراز کنید اما سیستم قدرتمندی برای اجرای STAR ندارید، تیم سازنده Bowtie 2 ابزار HISAT2 را برای شما توسعه داده‌اند! HISAT2 در واقع برادرِ تکامل‌یافته Bowtie 2 است که هم فواصل اینترونی را می‌فهمد و هم مثل Bowtie 2 بسیار سریع و کم‌مصرف است.

جمع‌بندی

تسلط بر ابزارهای پایه‌ای و قدرتمندی مانند Bowtie 2، سنگ بنای موفقیت در پروژه‌های پیچیده بیوانفورماتیکی است. درک عمیق از نحوه عملکرد الگوریتم‌ها، مدیریت بهینه منابع سیستم و انتخاب هوشمندانه ابزار الاینمنت (با آگاهی از نقاط ضعف و قوت آن در برابر رقبایی مثل BWA-MEM یا HISAT2)، دقیقاً همان چیزی است که تفاوت یک آنالیز معمولی و یک خروجی حرفه‌ای و قابل‌اتکا را رقم می‌زند.

نرم‌افزار Bowtie 2 با ترکیب بی‌نظیر سرعت فوق‌العاده، مصرف بسیار پایین حافظه (RAM) و پایداری بالا، همچنان یکی از مطمئن‌ترین سلاح‌ها در جعبه‌ابزار هر پژوهشگر است. با اجرای قدم‌به‌قدم مراحل نصب، ساخت ایندکس و اجرای الاینمنت که در این راهنما بررسی کردیم، اکنون شما پلتفرم مستحکمی در اختیار دارید تا با اطمینان کامل دیتای خام توالی‌یابی را پردازش کرده و مسیر را برای کشفیات بزرگ ژنومی خود هموار کنید.

منابع

۱. Langmead B, Salzberg SL. Fast gapped-read alignment with Bowtie 2. Nature methods. 2012 Apr;9(4):357-9

۲. Hatem A, Bozdağ D, Toland AE, Çatalyürek ÜV. Benchmarking short sequence mapping tools. BMC bioinformatics. 2013 Jun 7;14(1):184.

سوالات متداول درباره Bowtie 2