LASZLO @ GALAXY - A genome assembly service prototype using Next-Generation Sequencing (NGS) data

As tecnologias NGS (Next-Generation Sequencing), desenvolvidas para reduzir o custo e o tempo do processo de sequenciamento, geram uma grande massa de dados, a um custo relativamente baixo e com grande acur??cia. No entanto, as leituras curtas, por elas produzidas, dificultam sobremaneira o processo de montagem de genomas, originando novos problemas computacionais. Para tentar suplantar esses desafios, v??rias ferramentas de software est??o dispon??veis e continuam a ser desenvolvidas. Cada um desses pacotes possui vantagens e desvantagens e, na maioria das vezes, se apresenta como uma solu????o individual, n??o estando integrado a outros. Al??m disso, tipicamente ?? exigido um conhecimento mais avan??ado de inform??tica para a sua correta instala????o, configura????o e opera????o; o que, nem sempre, ?? a realidade do usu??rio final. Neste contexto, o projeto nomeado LASZLO (Linkage of Assembly Scripts Zero-costed and with License Opened) @ GALAXY prop??e combinar diferentes ferramentas de tratamento de dados de NGS de uso livre, na forma de um prot??tipo b??sico de servi??o de montagem de genomas, buscando facilitar o trabalho do usu??rio atrav??s da disponibiliza????o de uma interface Web, sugest??es de parametriza????o e de fluxos de trabalho para esse tipo de an??lise. Tomando por base o framework Galaxy, foram agregados fluxos de trabalho para montagens de dados de sequenciamento reais de diferentes organismos e provenientes das tecnologias Illumina, SOLiD??? e 454. O car??ter aplicado do projeto originou solu????es pontuais para atender a necessidades espec??ficas, as quais foram reunidas sob o m??dulo NGS: LASZLO's Sandbox, uma "caixa de ferramentas" especialmente designada ??s abordagens de montagem do tipo de novo e com aux??lio de genoma de refer??ncia. Durante a pesquisa, o prot??tipo LASZLO @ GALAXY processou, por exemplo, dados de sequenciamento de Leishmania amazonensis, contribuindo para um primeiro processo de avalia????o do genoma do referido organismo. Atualmente, observa-se que a produ????o de dados n??o ?? o mais o "gargalo" em projetos de sequenciamento, mas sim o fluxo de an??lise subsequente sobre o material obtido. Muitas vezes, tais dados n??o se traduzem imediatamente em expans??o do conhecimento biol??gico, devido ??s dificuldades encontradas pelo bi??logo experimental em lidar, n??o somente com a mir??ade de ferramentas dispon??veis, mas tamb??m com fatores como a inerente necessidade de integra????o entre elas e a implementa????o de infra-estrutura adequada para a sua opera????o. Os resultados obtidos no projeto indicam que o sistema proposto, vislumbrado como um eventual servi??o institucional ou mesmo de menor ??mbito, pode se tornar um aliado do usu??rio final quanto ?? manipula????o dos dados de NGS.The NGS (Next-Generation Sequencing) technologies, designed to reduce sequencing process costs and time, generate a huge amount of data, at a relatively low cost and with great accuracy. However, the produced short reads strongly difficult the genome assembly process, originating new computational issues. To overcome those challenges, there are several software tools available and continuously being developed. Each of these tools presents advantages and disadvantages and most of them are isolated, not integrated solutions. Moreover, typically it is required a higher level of computer-literacy for their proper installation, configuration and usage, which, not always, is the end-user reality. In this context, the project named LASZLO (Linkage of Assembly Scripts Zero-costed and with License Opened) @ GALAXY suggests to combine different open source tools for NGS data handling, as a basic prototype service for genome assembly, aiming at simplifying the end-user task by providing a Web interface, suggestions of parametrization and workflows for this kind of analysis. Based on the Galaxy framework, some workflows for the assembly of real sequencing data from different organisms and produced by the Illumina, SOLiD??? and 454 technologies were aggregated. Also, due to the applied characteristic of the project, a few punctual solutions were generated to address specific needs. Those solutions were encapsulated in the NGS: LASZLO's Sandbox module, a "toolbox" especially tailored for the de novo and reference-guided assembly approaches. During the research, the LASZLO @ GALAXY prototype processed, for instance, sequencing data of the Leishmania amazonensis organism, contributing for a first evaluating process of its genome. Presently, it's noticed that the data generation is no longer the "bottleneck" of the sequencing projects, but the downstream data analysis. Frequently, the acquired data is not immediately translated into biological knowledge expansion, due to the obstacles met by the experimental biologist when dealing, not only with the myriad of available tools, but also with factors like the inherent need of their integration and the deployment of the adequate infrastructure for their operation. The results achieved during project execution indicate that the proposed system, glimpsed as an eventual institutional service or even as one of smaller scope, might become an end-user's ally in the NGS data manipulation