3,010亚洲栽培稻3,010份的基因组变异之：泛基因组的构建

总体流程

总体流程图

De novo assembly of 3,010 rice genomes

做完质控后开始做de novo assembly。比较了，SOAPdenovo , Velvet and SPAdes， 三种assembler。SOAPdenovo速度比较快效果比较好。Quast command 用于评估assembly的质量。

-t 16 --min-contig 500 -o output --no-plots -R IRGSP-1.0.fa

然后，作者将reads比对到新生成的novol contigs 上，如果某些novol contigs 没有任何reads能比对上，将其视为mis-assembly的contigs。最后为了只保留比较可信的contigs，只保留500bp以上的contigs。

Construction of the pan-genome sequences

这个方法是一个ref-based的方法，所以作者阐述了为什么要使用Nipponbare RefSeq，这个ref去构建泛基因组。

1. 有好的annotation
2. 被广泛运用到水稻的研究

CD-HIT用于去新contigs中的冗杂， 只保留最长的contigs，去除其他相似的contigs

Pseudogene detection
将来自新序列的预测的单外显子基因的序列，使用blast 比对到其他ncbi上的基因，E值= 1E-5。单外显子基因与另一已知的基因（多外显子新基因或日本晴基因）相似的基因定义为候选假基因。

Read mapping to the pan-genome

将reads重新比对到泛基因组是很重要的一步。bwa mem 用于比对。mapping depth 和coverage 使用qualimap 和bamtuil来计算。

1. 估算%mapped reads 和mapping depths
2. contigs PAV calling
3. gene PAV calling

Evaluation of gene presence/absence detection

通过对比pangenome的annotation还有ref的annotation的sensitivity 和specificity来估算整个pav的准确性

Estimating size of the rice pan-genome
使用建模的方法模拟需要多少个samples，才能build到比较完整的pangenome。

The average gene/ gene family difference between two accessions

使用 average gene / gene family difference，来计算每两个samples之间的差异

Phylogenetic analysis based on gene (or gene family) PAV

只选取variable genes 用来研究phlogenetic的学习，使用 0/1 matrix 代表缺失和出现，然后使用PHYLIP 和 APE R 包来绘图。