单体型组装入门介绍

作者：Arno
审稿：童蒙
编辑：angelica

概念

01 同源染色体

在介绍单体型之前，先来了解几个概念，即

• 同源染色体
• 非同源染色体
• 姐妹染色单体

减数第一次分裂前期发生联会现象的一条来自于父本，一条来自于母本，形态、结构基本相同的染色体互为同源染色体，除了互为同源染色体的，其他染色体互为非同源染色体，姐妹染色单体是一条染色体复制之后产生的，两条姐妹染色单体只有一个着丝点，而且形态大小相同。

02 单体型

单体型（Haplotype,haploid genotype）是个体组织中，完全遗传自父母双方中一个亲本的一系列遗传变异位点的组合，又称单倍体型或者单倍型。往往拥有特定SNP的个体通常在附近某一特定变异位点拥有特定等位基因，这种关系叫做连锁不平衡（linkage disequilibrium,LD），同一染色体上的这种情况的集合即为单体型。
目前对于常规的2倍体基因组组装软件，一般会忽略同源染色体之间的差异，最终往往得到同源染色体嵌合的假单倍体序列基因组，这对于基因组组装的后续，如注释、进化等方面的研究都存在一定的影响。因此，为了获得更精准，更完整的基因组，越来越多的研究开始组装单体型的基因组。

应用

单体型目前应用在医学、农业、群体遗传学等各个方向。

• 在医学上，通过构建区域的单体型基因组片段，来更好的研究某些连锁不平衡的基因位点，也可以帮助发现高度复杂的变异，如嵌套的结构变异、倒位及复杂的变异重排等，探索致病的机理，来寻找疾病治疗的新方法；
• 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。

研究技术

目前单体型分析的方法主要有3大类。
第一类是间接推断法
通过构建一些关联群体的基因池或者根据同一家族众多个体的基因型信息，结合连锁不平衡的遗传原理，利用相关数学模型对待测群体进行分析推断，主要包括群体推断法和家族推断法，这类方法的错误率较高，能达到19%-48%。

第二类是直接实验法
使用特殊的实验方法在一段有限的染色体区域或单染色体上获得精确的单倍型信息，包括单分子稀释法、染色体微切割及流式分离等方法，这种方法准确率高，但是过程繁琐、实验周期长、费用也较高。

第三类是基于单体型的组装方法
主要有两种方法，一种是有亲本数据时，在组装时参考亲本的数据进行分型，组装出两套单体型的基因组，另外一种方法是基于变异信息，将组装的reads分成单体型的两套，再分别进行组装。

目前随着三代测序技术的发展，基因组组装较之前已经突飞猛进，尤其是PacBio的HiFi测序，在保证测序长度的同时，将碱基准确度提升到了二代测序的水平，因此直接使用高深度测序的方法进行单体型的组装也是非常火热的方向。

单体型组装技术

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。

总结

通过这篇文章，相信大家有了一定的了解了，请后续继续关注我们吧，还会有更多的组装干货分享。

参考文献

1. https://mp.weixin.qq.com/s/6qm18N5U_uMymhY48u70Gw
2. Lawson DJ, et al. Inference of population structure using dense haplotype data. PLoS Genet. 2012 Jan;8(1):e1002453.
3. Song S, et al. Modeling Human Population Separation History Using Physically Phased Genomes. Genetics. 2017 Jan;205(1):385-395.
4. Nilsen KT, et al. High density mapping and haplotype analysis of the major stem-solidness locus SSt1 in durum and common wheat. PLoS One. 2017 Apr 11;12(4):e0175285.
5. Cheng H, et al. Haplotype-resolved de novo assembly using phased assembly graphs with hifiasm. Nat Methods. 2021 Feb;18(2):170-175.
6. Yang, C., Zhou, Y., Marcus, S. et al. Evolutionary and biomedical insights from a marmoset diploid genome assembly. Nature (2021).