组装的贵人，原来是它们......
在基因组研究中，组装可谓是万物之源。组装不好，后续的基因预测、功能注释等工作都没法保证准确性；发个文章吧，人家拿出一个组装比你好的基因组，一下子就能把你拍在沙滩上，于是你从此成为前任，小三上位，一时风光无两。。。
那么，怎么办呢？别担心，有三代、光学图谱、Hi-C来拯救！
所谓有备无患，开始组装基因组前，我们得先根据复杂程度，明白所研究的基因组是简单基因组or复杂基因组。简单基因组是指杂和率<1%，重复序列含量<50%，如鸟类、哺乳类；相对的，复杂基因组是指杂和率>1%，重复序列含量>50%。如何判断杂和率和重复序列含量？那就得做调研图分析啦，小编暂且不做赘述。
明白了原因，就得对症下药。一听简单基因组和复杂基因组就知道，组装的难度肯定是不相等的，因此需要设计不同的建库测序方案。基因组越复杂，测序深度当然越高越好啦。
进入正题——组装。先来看看当前基因组组装技术的发展概况：
我们先来简单介绍纯二代组装。首先，利用Allpath将二代短reads组装成contig，接着利用Sspace将contig搭建成scaffold，最后利用GapCloser补gap。至于具体的原理及参数设置，由于篇幅有限，小编还是那句话：“暂且不做赘述”～到此，经典的二代组装流程：contig→scaffold→补洞，就完成了！
如果你并不满足于纯二代组装效果，我们推荐“2+3”组装模式。即在二代组装基因组的基础上，再利用三代长reads补洞，以弥补二代无法组装出重复序列和复杂区域的缺憾。这种方案使用的三代数据较少，较为经济实惠。苹果基因组可谓是典型代表：
若你是不差钱的壕，不妨试试纯三代组装。对于高杂合度、高度重复区、异常GC含量区等组装难题，那都不是事儿！组装指标的提升简直分分钟刷新你的世界观～这也是目前大部分已发表文章的组装策略，举栗：
在组装重复区方面，还有一匹黑马，便是“光学图谱”，它比三代数据还！要！长此，一些连三代都无法跨越的重复区，找光学图谱就没错了。关于光学图谱的介绍，小编在之前的推送中已有所提及，详见文章“简单点，组装的方式简单点”。这里，小编就po出组装前后对比图，毕竟没有对比就没有伤害嘛：
既然光学图谱那么牛，为什么还要用三代呢？两者当然是有区别的。三代主要作用于补gap，从而延长contig长度，最终提升contigN50；而光学图谱主要作用于连接scaffolds成为超长scaffold，致力于提升scaffoldN50。而他们的共同点就是打倒组装敌人——重复区。
也许scaffold级别的基因组已经无法满足你的需求了，那么我们还有Hi-C助你组装到染色体水平！现在已经证明Hi-C技术在人、小鼠、果蝇、拟南芥等基因组辅助组装中都取得了较好的效果:
当然，最后的最后，我们还得从单碱基准确性、组装完整性、基因保守性等方面验证组装的准确性，进而展开新世界的探索。。。
- 发表于 2017-04-11 11:33
- 阅读 ( 4228 )
- 分类：基因组学
