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 три программы для суперкомпьютера с MPI, реализующие соответственно три этапа метода, изложенного в [1].

1. Программа PairHits находит все пары приближённо совпадающих слов-кандидатов в двух последовательностях из разных геномов и тем самым формирует рёбра исходного графа.
2. Программа BldGraph осуществляет уплотнение исходного графа, преобразуя его в начальный многодольный граф (доля соответствует геному).
3. 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.

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 языке 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.

Файлы для загрузки

Литература

1. L.I. Rubanov, A.V. Seliverstov, O.A. Zverkov, V.A. Lyubetsky. A method for identification of highly conserved elements and evolutionary analysis of superphylum Alveolata. BMC Bioinformatics, 2016, Vol. 17, Art. 385. DOI: 10.1186/s12859-016-1257-5
2. R.A. Gershgorin, K.Yu. Gorbunov, O.A. Zverkov, L.I. Rubanov, A.V. Seliverstov, V.A. Lyubetsky. Highly conserved elements and chromosome structure evolution in mitochondrial genomes in ciliates. Life, 2017, Vol. 7, Iss. 1, Art. 9. DOI: 10.3390/life7010009