RabbitTrim：一款在多核平台上高效且用途广泛的修剪工具

《IEEE Transactions on Computational Biology and Bioinformatics》：RabbitTrim: An Efficient and Versatile Trimmer on Multi-Core Platforms

测序数据预处理中适配器修剪工具性能优化研究。RabbitTrim通过高效I/O、并行压缩、块内存池等技术提升处理速度，在48核服务器上比Trimmomatic快1.8-14倍，比Ktrim快1.5-5.6倍，可5分钟处理101GB压缩数据。

　　

摘要：

数据修剪是序列处理中的一个关键步骤。然而，许多现有的修剪工具（如Trimmomatic和Ktrim）由于实现方式不够优化，未能充分利用现代多核平台的计算能力。为了解决这个问题，我们推出了RabbitTrim，这是一个高度优化且功能多样的修剪工具，它完全支持Trimmomatic和Ktrim的所有功能。RabbitTrim通过高效的I/O策略、并行（解）压缩引擎、基于块的内存池、位运算以及向量化技术提升了性能。与Trimmomatic相比，在48核Intel服务器上，RabbitTrim（处于trimmomatic模式）处理普通FASTQ文件的速度提升了1.8倍到6.0倍，处理gzip压缩的FASTQ文件的速度提升了3.7倍到14.0倍；同样，在同一服务器上，RabbitTrim（处于ktrim模式）处理普通FASTQ文件的速度提升了1.5倍到2.5倍，处理gzip压缩的FASTQ文件的速度提升了2.7倍到5.6倍。此外，RabbitTrim仅需5分钟即可处理101 GB的gzip压缩序列数据，而Trimmomatic至少需要21分钟。

引言

下一代测序（NGS）数据经常遇到接头污染的问题[15]。当目标序列长度小于测序仪的最小读取长度时，可能会发生“读取穿透”现象，导致测序结果中不仅包含所需的目标序列，还包含接头的片段或完整部分。准确去除接头至关重要，因为它们的存在会显著影响后续分析。此外，随着高通量测序技术的快速发展，序列数据的量呈指数级增长。数据量的增加使得接头修剪变得更加困难。因此，已经提出了多种用于接头修剪的工具，包括Trimmomatic [2]、fastp [3]、AdapterRemoval [8] 和 Cutadapt [9]。在这些工具中，Trimmomatic因其适应性和处理Illumina测序数据的准确性而受到研究人员的青睐。它的广泛应用体现在多个研究中，包括测序质量控制第二阶段（SEQC2）联盟[4]。Trimmomatic提供了多种读取修剪和过滤功能，支持两种不同的模式：简单模式和回文模式。这些模式能够有效检测和去除单端和双端读取中的接头，确保高质量的测序结果。然而，在处理大规模数据集时，处理效率可能成为显著的限制。为了解决这个问题，一些接头修剪工具（如AdapterRemoval v2 [10] 和 Ktrim [11]）已经进行了改进以提高性能。新发布的Ktrim支持多种库格式，兼具高速度、高准确性和灵活性，成为处理大规模序列数据集的研究人员的宝贵工具，有效缓解了现代NGS数据预处理中的性能瓶颈。