单体型基因组的组装分类

目前热门的单体型基因组组装，以下内容来源于安诺的单体型基因组组装新品发布会
单体型也称为单倍型。二倍体有两套染色体单体，一套来自父本，一套来自母本。在父本和母本之间会存在一些差异。特别是一些杂合度比较高的基因组，survey的杂合度超过1.2%，甚至达到2%的，可能就需要进行单体型组装。

单体型组装后可以大大降低重测序比对的SNP数量，同时增加indel数量。可以进行基因印迹或母体遗传分析。
在农作物的遗传育种方面，通过单体型基因组，可以挖掘优异的关联的等位基因变异，探索杂种优势理论；
在群体遗传学上通过分析等位基因间差异，更精确的追踪个体亲缘关系，了解生物迁移模式和进化历史等生物学问题。

ADPA(有亲本二倍体单体型)

ADPA

双亲本分别进行二代测序，计算k-mer,Pacbio的Hifi的数据根据亲本的序列来分型，同时Hic用来挂载染色体。

AUPPA(无亲本单体型)

AUPPA

无亲本的单体型的分型工作相比于有亲本的会比较差，有些block内会存在嵌合型。

ATPA（同源四倍体单体型）

ATPA

对于异源四倍体可以按照二倍体来处理。但是同源四倍体需要特殊处理。可以同时提供双亲本的二代序列或近缘二倍体的基因组序列，然后用于变异检测和分型。

二倍体的单体型组装流程

1. 鉴定：识别基础组装的contig中组装出的单体型区块；
2. 拆分：将contig按照可拆分单体型的基因组区域和不可拆分单体型的基因组区域进行拆分打断；
3. 比对：将Hi-C reads比对到打断后的contig上，构建标准化的互作矩阵；
4. 挂载：经过Hi-C辅助组装挂载获得单条染色体长度的单体型基因组组装。

测序策略：

1. 适当覆盖度的父母本高质量二代数据（Illumina ≥30X），用于鉴定亲本特异性来源的K-mers，在子代中分开两个单体型；
2. 子代中足够覆盖每个单体型基因组的长读长测序数据（Pacbio ≥80X，每组染色体的覆盖度≥40X），用于组装单体型基因组。

下面2条的内容转载自链接：https://blog.csdn.net/u010608296/article/details/120630947

01 基于亲本数据的主流单体型组装思路

一类是在组装过程中，基于亲本的二代测序数据、HiC数据或者10X linked reads测序数据等，对组装进行分型输出，如李恒他们开发的hifiasm软件。当没有亲本数据，会将区分不开的buble数据全部输出到一个主要的组装输出结果中，即primary assembly，而另外一个结果为Alternate assembly，这样primary assembly会存在一些无法区分的冗余或嵌合序列；而当有其他辅助数据时，会以此为参考对buble数据进行分型输出，其结果相对准确。
另外一种基于亲本的单体型组装思路为trio binning的策略，直接利用亲本的数据将子代的测序数据进行拆分，拆分成父系遗传的序列和母系遗传的序列，然后分别进行组装，组装遗传自母本和父本的基因组。

02 不基于亲本数据的主流单体型组装思路

当没有亲本数据时，单体型组装思路为，首先按照常规组装方法组装出未分型的scaffolds数据，然后再使用PacBio的hifi数据或者ONT的长reads数据回比到组装的基因组上，call SNPs ,然后再利用分型软件如Whatshap或者HapCut2等，对SNPs进行分型，基于分型的数据将原始的长reads测序数据分开两堆，再分别进行组装，从而得到两套独立的单体型基因组。

---

已发表的文献的策略
2021 Nature Genetic 茶树基因组
2022 Nature Genetic 同源四倍体马铃薯基因组

茶树的方法（安诺）

基因组杂合度为2.31%，杂合率比较高。
测序数据深度：114x Pacbio 和 58X illumina
先使用CANU组装，然后使用Khaper 计算二倍体单倍型的K-mer，主要是用来过滤冗余序列。ALLHic来辅助基因组组装.
后续使用重测序，进行了渐渗分析。

同源四倍体马铃薯基因组

测序数据量:
基因组survey