动植物基因组组装要点小结

组装策略

二代测序平台如Illumina、BGI，稳定可靠，数据质量高，成本低，读长短。
三代测序平台如PacBio、Nanopore，超长读长、无PCR扩增，错误率高，成本高。

现在物种的简单基因组基本已完成大多，纯二代组装已经没什么意义，复杂基因组或者高质量基因组基本都是三代测序为主。

由于经费限制，现在多为“”二代+三代“”以下两种组合策略：

• 以三代为主组装，二代纠错；
• 以二代为主组装到contig，三代scaffolding和gapfilling。

目前第一种策略为主流。

辅助技术

辅助组装解决的关键问题：contig/scaffold的顺序和朝向。

• BioNano
  光学图谱技术是一个利用单个DNA分子基因组限制性内切酶图谱快速生成高分辨率、有序的全基因组限制性内切酶图谱的方法。
  目的是增加基因组Scaffold长度；减少Scaffold数量；对已组装的基因组进行纠错；检测大片段结构变异。

• Hi-C
  一般为PE150测序。通过染色体构象捕获（3C）来确定全基因组范围内染色质DNA在空间位置上的关系，分群聚类。
  一般用来连接scaffold到染色体水平。如果不借助遗传图将基因组挂载到染色体水平。每一个基因组都需要一个Hi-C。

• 遗传图谱
  一般连接染色体。不同的遗传图谱结果可能有差异，可以将多个图谱进行整合。

• 转录组
  先组装转录组，再比对到参考基因组，更多的是用于辅助基因组注释。
  一般为PE150或三代全长Iso-seq，测多个不同组织。

• 10X genomics
  同一长片段的reads加上相同的barcode信息，即linked-reads，从而提高reads的长度，本质上还是二代Illlumina测序。一般将short-read测序和10X的linked-read结合，可独立于三代。

随着三代的准确性提高和成本降低，未来基因组组装的标配：
PacBio纯三代组装contig + 光学图谱进行纠错与super scaffold组装 + 遗传图谱或HiC进行染色体组装。

三代+光学+Hi-C策略示意图：

image.png

PacBio补充

相比于Nanopore（电信号），PacBio（荧光信号）用得更多，主要有两种模式：

• CLR（20-30kb），耗时长，准确性较低
• CCS（15kb，HiFi），快，自身矫正，准确性较高

测序深度？
自然越深越好，经费不足，可能20~50X，充足70 ~100X。

二代测序的深度最好能达100X，而且一般要结合不同大小片段文库（PE和Mate）。

流程

image.png

主要分析内容

组装

• 质控
• 三代组装成contig
• contig组装scaffold、chromosome
• 纠错
• 去污染（线粒体和叶绿体）

评估

• contig、scaffold N50
• 染色体数目
• BUSCO完整性评估

注释

• 重复序列
• 基因结构
• 基因功能
• 非编码RNA

比较基因组

• 基因家族聚类
• 系统进化树
• 分歧时间估算
• 基因家族扩张与收缩
• 基因组共线性
• 正选择
• 全基因组复制

解析Illumina+PacBio组装策略
10X Genomics vs. PacBioSOAPdenovo组装软件使用记录HiFi Reads基因组组装：快、准、狠

Pacbio三代基因组组装简介
光学图谱辅助基因组组装