1.Произведен анализ свойств и сравнение данных транскриптомного секвенирования, полученных при помощи технологий PacBio и Oxford Nanopore; впервые были проанализированы данные, получении при секвенировании одной молекулы разными технологиями. На основе анализа были созданы новых алгоритмов для работы с такого рода данными и улучшения нахождения новых неизвестных изоформ.
2.В вычислительном пакете IsoQuant реализованы методы, позволяющие по длинным прочтениям РНК определять транскриптомные модификации и новые ранее неизвестные изоформы; обновленная версия программы выложена в публичный доступ.
3.В рамках IsoQuant разработан ряд вычислительных методов, позволяющих производить анализ длинных прочтений РНК, полученных по индивидуальным клеткам и по срезу ткани (пространственная транскриптомика); созданное ПО выложено в публичный доступ; реализованные методы были использованы для анализа транскриптома мозга мыши и опубликованы в международном журнале.
4.Исследованы возможности применения методов машинного обучения к задаче сборки. Задача транскриптомной сборки сведена к задаче поиска сообществ во взвешенном графе персон. Разработанный подход позволяет совмещать сразу несколько типов данных (различные длинные прочтения и транскрипты из базы). Сравнение полученных результатов с обычной rnaSPAdes сборкой производилось на данных мыши.
5.Был выполнен анализ и изучены ключевые особенности метатранскриптомных данных. Используя результаты анализа, была разработана и реализована вычислительная цепочка metaGT, использующая метагеномные и метатранскриптомные данные и улучшающая качества метатранскриптомных сборок, на основе программы rnaSPAdes. Разработанная цепочка реализована на языке nextflow и выложена в открытый доступ.
6.Произведен анализ новых циклических экстрахромосомных элементов в метагеномах кишечника человека. С помощью разработанной вычислительной цепочки CEEsearch было обнаружено несколько десятков групп небольших циклических молекул ДНК, не имеющих сходства с известными плазмидами и вирусами.
7.В рамках сотрудничества с группой Е. Кунина (NCBI, Bethesda) были опубликованы две статьи, описывающие группы бактериофагов в метагеномах человеческого кишечника.
8.Было проведено усовершенствование кодовой базы разработанных инструментов (viralComplete и viralVerify) для поиска вирусов в метагеномах, направленное на упрощение работы с ними и повышение точности.
9.Разработан прототип Nerpa-2 -- программы для поиска биосинтетических кластеров генов гибридных соединений класса поликетид-нерибосомный пептид (ПК-НРП). Nerpa-2 создана на базе реализованной ранее программы Nerpa, предназначенной исключительно для нерибосомных пептидов (НРП). Знание биосинтетических кластеров генов соединений ПК-НРП поможет упростить промышленный синтез известных соединений данного класса и ускорит поиск новых его представителей.
10.Создана тестовая версия веб сервиса для программ Nerpa/Nerpa-2, адаптированная для работы с биосинтетическими кластерами генов известных природных соединений как класса НРП, так и гибридов ПК-НРП. Текущая версия Nerpa доступна только как приложение командной строки, что существенно ограничивает ее применение целевой аудиторией проекта -- исследователями природных соединений. Запуск веб сервиса решает эту проблему, т.к. загрузку входных данных (геномов и/или химических структур НРП/ПК-НРП) и анализ результатов можно будет выполнять в графическом интерфейсе без необходимости применять специальные компьютерные навыки и наличия компьютера с Linux/macOS.
11.Более 13,000 референсных и репрезентативных бактериальных геномов из базы NCBI RefSeq проанализированы на предмет наличия биосинтетических кластеров генов поликетидов и гибридных соединений ПК-НРП с использованием Nerpa-2 и antiSMASH.
12.Подготовлена черновая версия статьи о Nerpa-2 и ее применении в высокопроизводительном анализе геномных и метагеномных данных.
13.Подготовлена и опубликована статья о протоколах оценки качества метагеномных данных и их постобработки. Данные методики могут в дальнейшем применяться при построении вычислительных конвейеров по высокопроизводительному поиску биосинтетических кластеров генов в метагеномных данных, в том числе с использованием Nerpa и Nerpa-2.
14.Реализована первая версия интерактивного визуализатора соответствий соединение--масс-спектр, позволяющая работать как с пептидными, так и непептидными биологически активными соединениями природного происхождения (БАС). Использование визуализатора упростит анализ корректности идентификаций масс-спектров, что в свою очередь повысит качество последующего поиска и анализа БАС.
15.Оптимизирована кодовая база программного пакета NPDtools для поиска БАС по масс-спектрам (релиз v.2.6.0). В частности это позволило реализовать алгоритм идентификации модифицированных непептидных БАС по масс-спектрам и базе данных соединений с использованием созданного ранее метода molDiscovery, значительно повышающего точность идентификаций. Нахождение новых (модифицированных) вариантов представленных в базе БАС имеет важное прикладное значение, так как данные более редкие варианты часто обладают более сильными биологическими активностями, чем оригинальные соединения.
16.Был разработан и реализован прототип инструмента для поиска структурных ошибок в геномных сборках помощью данных Hi-C. Прототип был протестирован на данных метагенома кишечника овцы.
17.Разработан вычислительный метод CentromereArchitect для аннотации альфа-сателлитных последовательностей центромерного региона в геноме человека.
18.Произведен анализ альфа-сателлитных последовательностей и повторов высшего порядка для сборки генома человека.
19.Результаты исследования альфа-сателлитов представлены в виде геномных карт в GenomeBrowser и находятся в общем доступе.
20.Проведен анализ длинных повторных последовательностей в новой сборке генома человека. Значительно улучшены методы прикладывания длинных прочтений с высоким уровнем ошибок, расширена область применения на все длинные повторные последовательности, включая простые повторы и последовательности HSAT1/2/3.
21.Разработана новая версия инструмента TandemMapper, позволяющая получать точные прикладывания длинных прочтений с высоким уровнем ошибок не только к повторным регионам, но к полногеномным сборкам. TandemMapper2 использован для полногеномного анализа нового референсного генома человека в рамках консорциума Telomere-to-Telomere. Программа находится в публичном доступе.
22.Разработанные методы сборки данных РНК-вирусов (алгоритм rnaviralSPAdes и coronaSPAdes) были апробированы в рамках коллаборации Serratus на широкомасштабной сборке транскриптомных данных из SRA и ENA. В результате анализа более 5 млн. библиотек SRA/ENA было обнаружено более 120 тыс. кандидатов на новые виды РНК вирусов, включающих более 100 новых видов коронавирусов (а также кандидат на новый род коронавирусов).
23.Созданы наборы профильных скрытых марковских моделей для сборки геномов вирусов гриппа, ВИЧ и коронавирусов и протестированы на открытых наборах данных. Показано преимущество сборки таких данных с использованием марковских моделей по сравнению с обычными вирусными сборщиками.
24.Разработан прототип алгоритма разрешения повторов по оптическим картам. Алгоритм протестирован на бактериальных данных.
25.Реализован и протестирован новый алгоритм для прикладывания нуклеотидных последовательностей на граф сборки.
26.Проведены работы по оптимизации используемых структур данных в сборщике SPAdes, что позволило ускорить процедуру упрощения графа де Брюйна в 2-3 раза на сложных метагеномах. Наработки вошли в релиз SPAdes 3.15.
27.Для улучшения качества тестирования SPAdes был разработан набор тестов, покрывающих все возможные режимы работы SPAdes. Кроме того, разработаны подходы тестирования SPAdes на предмет воспроизводимости результатов, не зависимо от используемого количества памяти и процессорных ядер.
28.Совместно с коллегами с кафедры зоологии беспозвоночных СПбГУ была проведена сборка, биннинг и анализ геномов мечниковеллид из ряда образцов полихет, разделены геномы паразита и хозяина, проаннотированы белки и рРНК для изучения перехода к паразитическому образу жизни.
​​29.С помощью технологии секвенирования 3-его поколения Оxford Nanopore проведено полногеномное секвенирование 7 проб почв с уникальными свойствами. Полученные данные сиквенса собраны с использованием сборщика Flye Version 2.9. Подобраны оптимальные условия сборки в зависимости от качества и количества данных, полученных для индивидуальных проб. Длины самых протяженных фрагментов в сборках варьируют от 951 тысячи до 6 620 245 нуклеотидов.
30.На различных метагеномных сообществах был проведен анализ с помощью разработанного инструмента graphAMR. Было показано, что использование графа сборки дает возможность восстанавливать больше полных, а также более точных последовательностей генов антибиотической резистентности в метагеномных сообществах по сравнению с другими известными подходами.