DUMMEST把移码感知比对做小：比BATH快2–12倍，模拟数据上特异性更好
核心概要
长读测序的DNA常带移码错误，直接比对到蛋白质家族谱模型一直要么先翻译六个读框、要么先纠错，两者都会损失灵敏度。DUMMEST沿用DUMMER不带长度偏置的比对思路，只在匹配、插入、删除状态上增加发射核苷酸的插入缺失状态，用核苷酸与密码子的组合近似移码，并以GPU加速的MMseqs2做多级预过滤。在模拟长读上它检出的比对更多、平均比对更长，与BATH灵敏度相当、在模拟测序伪影下特异性更好，依数据集快2–12倍。
深度剖析
DUMMEST让含移码错误的原始DNA长读直接与蛋白质家族谱隐马尔可夫模型比对，不必先做六读框翻译或纠错。 此前的做法要么把序列按六个读框翻译、忽略移码，要么依赖缓慢且不可靠的纠错；BATH虽原生建模移码，但每个位置要发射长度1–5的准密码子共1364种符号，是常规蛋白质模型20种符号的68倍。 在模拟长读上，DUMMEST检出的比对数量更多、平均比对长度更长，优于不感知移码的工具；与BATH相比灵敏度与比对长度相当，在模拟测序伪影下特异性更好。
模型把移码写进状态结构本身，而不是靠扩充符号表。 每个谱位置保留一个匹配状态和三个插入、三个删除状态：匹配状态发射一个密码子，插入状态分别发射一个密码子、一个和两个核苷酸，删除状态分别跳过一个密码子、发射两个和一个核苷酸，从而覆盖非三倍数的插入与缺失。 在模拟宏基因组长读上，E值阈值10⁻⁵时BATH命中更多（42,280对39,447），但诱饵假阳性也更多；DUMMEST只有1个背景命中，其E值为4.3×10⁻⁶，且该命中与有效比对重叠但过度延伸。
运行速度来自更简单的模型与GPU加速的MMseqs2预过滤两处。 预过滤分三级：先在六读框翻译上做无空位过滤，再做有空位的Smith–Waterman过滤，最后对提取出的子串做仅反向的移码感知过滤，完整的前向-后向计算只留给最有希望的片段。 在8线程、32 GB内存、RTX 5070 Mobile GPU上，transmark数据集约快11.7倍、废水数据集约快2.4倍；不用预过滤时核心比对仍比BATH快约2.9倍。
启示与展望
演示范围是模拟纳米孔长读（356,582条，5×深度）与废水进水样本的2.3百万条真实长读，后者先用Illumina短读抛光以便与不感知移码的工具比较；真实数据没有真值，性能以唯一（读段编号，蛋白质家族）对数和累计比对碱基数两项代理指标衡量。
E值可靠性只在两个随机选取的Pfam谱上以随机序列检验，作者称其尺度λ≈1符合Yu和Hwa的猜想；移码参数目前由Badread纳米孔2020错误模型近似，作者提出可改从查询序列本身估计。作者还指出，移码感知比对的零模型尚无研究比较，且DUMMEST内存占用高、依赖大临时文件传递过滤结果。