看到这个题目，大多数人的反应，肯定是小编忘吃药了。no no no 小编今天很正常，利用个人PC来组装人的基因组绝对不是痴人说梦。

首先，小编先给大家介绍一些关于组装的历史。大家肯定也知道，这个组装技术的发展是依赖于测序技术的。首先在一代测序的时候，测序数据量较少，成本较高，人们对于组装的结果预期也比较低，弄到contig水平就可以啦，还有就是这个组装的物种基因组都偏小。因此那个时候的组装软件都是基于overlap的。然后呢，二代测序技术来了，数据量超高，成本也便宜啦。科研工作者就想啊，现在都二代了，这个组装的预期得提高啊，得与时俱进啊。但是基于overlap的组装不了太长，而且超级慢，又加之，二代数据量太多，overlap扛不住啊。因此有人就开发出了基于图论的组装算法。然后呢，三代测序技术这两年出来了，科学家一看，我x，这么长的read，那还搞毛图论的算法，直接简单粗暴点，用overlap多简单，于是基于overlap的软件又火啦。

说到这，刚进入问题，简单粗暴的overlap难道就一统天下了吗？难道所谓的优化算法，就真的没有未来了吗？

当然

不是。

今天给大家推荐一款牛叉的三代组装软件，号称资源浪费少，绿色又环保，而且在个人笔记本上毫无压力的软件——MECAT。

赶紧膜拜，预发表文章：

MECAT: an ultra-fast mapping, error correction and de novo assembly tool for single-molecule sequencing reads（肖传乐）

接下来，小编跟大家简单的墨迹下这个文章中的内容。大家简单了解下。

这个三代测序啊，有一个问题，就是错误率有点高，15%。也就是说这个数据啊，不能直接用来组装，你得纠错，怎么纠错呢。做过纯三代组装的人，都知道。是用三代自身去纠最长的read。问题来了，这里如果用测得全部的reads都跟最长的read去比，这一步超级耗时。

这一步，怎么办啊。

有没有相应的算法可以优化下。

如果你能提出这样的问题，小编恭喜你，你这个小伙子还是很有前途的。

肖老师就是构建了一套打分矩阵，使得这里不需要全部都比一次，从而缩短了时间。

当然肖老师，是个工作狂，一看搞下去有前途，还返场优化了下其他部分。

现在比较常用的三代数据组装软件有Canu、Falcon和HGAP等，这些软件在组装之前都是通过两两比对确定overlap，之后再纠错的。这一步时间超级长，举例，PBcR-MHAP软件平均有84%的时间浪费在纠错部分。这一步不仅仅耗时，而且超级占用资源。这里是婶婶也不能忍受的地方。

这个软件牛叉在它的优化算法，算法示意图如下：

A  Reads被分成多个Block；

B. 对所选Kmer pair相互打分；

C. 选取最高得分作为种子；

D. 将种子区域与其他区域进行比较；

E. 最终确定reads关系。

之后选取4个模式生物数据（E coli, Yeast, A.Thaliana and D. Melanogaster）进行测试得到两个结果：a）reads越长相对应得分越高；b）这种打分模式会快节省2～3倍的时间。    

接下来利用真实数据，与其他方法进行对比，结果敏感性和准确性进一步说明MECAT在比对、纠错和组装的综合水平均要优于其他方法。如下面的两个表说明消耗资源、时间、准确行一结合，MECAT软件效果是最好的。

乡亲们，注意哈，MECAT比对，是用的4 Gb不到的内存哦。

貌似哥的手机也可以跑一套~~笑哭。

看完这个表，想起京东来了

多快好省