Поиск высококонсервативных элементов (ВКЭ) в наборе геномов

Комплекс параллельных программ iHCE реализует метод, описанный нами в [1]. Он предназначен для поиска ВКЭ в наборе относительно хорошо собранных полных геномов. Программы прошли предварительную проверку на ядерных геномах надтипа Alveolata [1], а также митохондриальных геномах инфузорий (тип Ciliophora) [2] и однодольных растений. Комплекс включает в себя следующие программы для суперкомпьютера с MPI:

• Программа PairHits находит все пары приближённо совпадающих слов-кандидатов в двух последовательностях из разных геномов и тем самым формирует рёбра исходного графа. Это первый этап метода, изложенного в [1].
• Программа BldGraph осуществляет уплотнение исходного графа, преобразуя его в начальный многодольный граф (доля соответствует геному). Это второй этап метода, изложенного в [1].
• Программа FinDense преобразует начальный граф в финальный и определяет в последнем m-плотные подграфы (кластеры), состоящие из вершин (слов), которые принадлежат не менее чем m долям и соединены рёбрами с наибольшим суммарным весом. Это третий этап метода, изложенного в [1].

Эти программы предполагают обработку больших данных и рассчитаны исключительно на 64-битные процессоры и операционные системы. Разные этапы алгоритма требуют различной вычислительной мощности и масштабируются с разной эффективностью, поэтому комплекс реализован в виде нескольких отдельных программ. Для уменьшения объёмов файлов и ускорения работы программы используют специфические форматы входных и промежуточных данных с минимумом контроля. Формирование и интерпретация файлов в правильном формате -- обязанность пользователя. Например, пользователь может создать собственную базу данных, где хранятся исходные данные в любом доступном или желаемом формате, и самостоятельно реализовать приложения или скрипты для формирования и чтения файлов в требуемом формате. Мы действовали таким способом, но не будем детально обсуждать этот вопрос.

Все программы написаны на С++ и имеют интерфейс командной строки, позволяющий задавать наиболее важные параметры. Значения параметров, указанные в командной строке, имеют наивысший приоритет. Полный набор настраиваемых параметров задаётся в файле конфигурации, который обязателен и используется всеми тремя программами; значения из этого файла применяются, если они не были изменены в командной строке запуска. Если значение не указано ни в командной строке, ни в файле конфигурации, то используется зафиксированное в программе значение по умолчанию (что предусмотрено не для всех параметров). Образцы файла конфигурации есть в примерах для загрузки ниже. Краткая справка по командной строке выдаётся при запуске программы с параметром -? или --help.

Исполняемые модули для Windows 64 бит (варианты с MPI и без) и исходные коды для Linux можно загрузить по ссылкам ниже. Исходный код совместим с любой реализацией стандарта MPI версий 1.2 и выше. Он предоставляется бесплатно на условиях лицензии GNU General Public License (GPL) версии 3.
Исполняемые модули для Windows 64 bit предполагают наличие в системе установленной среды MPICH2 v.1.4.1p1 64 bit (последняя выпущенная версия для Windows), полный комплект которой можно загрузить из архива разработчика, а только установочный файл - по ссылке ниже.
Альтернативный вариант, для которого подготовлены свои варианты исполняемых модулей, требует установки Microsoft MPI v.7.1 64 bit; свободно распространяемый установочный файл также можно загрузить по ссылке ниже.

[1] L.I. Rubanov, A.V. Seliverstov, O.A. Zverkov and V.A. Lyubetsky. Method for identification of highly conserved elements and evolutionary analysis of superphylum Alveolata. (2016) BMC Bioinformatics 17:385. Open Access

[2] Применение нашего метода поиска ВКЭ для исследования эволюции хромосомной структуры митохондриального генома простейших типа Ciliophora.