NatureMethods：DeNovo基因组序列组装的新方法

　　对于de novo人类基因组序列组装而言，短读长简直意味着不可能的任务。不过，加州大学旧金山分校、BioNano Genomics和10X Genomics的研究人员近日开发出一种新的组装方法，它将short-read测序与10X的linked-read测序相结合。这项成果于近日发表在《Nature Methods》上。

　　如今，测序人类基因组已并非难事，但如果要获得高质量的基因组序列组装，人们必须克服三大挑战：1) 几乎100%相同的重复序列，它们存在于大多数高等真核基因组中；2) 二倍体的DNA；3) 缺乏能够产生准确的长读取的低成本测序平台。

　　去年，西奈山伊坎医学院的Matthew Pendleton去年开发出一种方法，将Illumina测序、PacBio测序和BioNano Genomics的基因组作图相结合，对HapMap样品NA12878进行了高质量的组装。不过，这种方法的缺点在于PacBio测序的成本相对较高，通量较低。

　　于是，加州大学旧金山分校的Pui-Yan Kwok及其同事用10X Genomics的linked-read数据取代了Pacific Biosciences的long-read序列。在一项试验性研究中，他们利用这种方法来测序和组装HapMap项目的个体基因组，看看效果如何。

　　这种新方法主要依靠两个平行过程。首先，利用SOAPdenovo短寡核苷酸分析软件将Illumina的序列组装成scaffold。为了让这些scaffold有序排列成更长的片段，研究人员调入10X GemCode平台所产生的序列数据，并利用fragScaff来产生新的scaffold。同时，他们利用BioNano Genomics的Irys系统来产生序列motif的物理图谱，之后结合10X scaffold来产生最终的混合组装图谱。然后，他们利用10X Long Ranger软件对混合组装的scaffold进行分相，并借助BioNano Genomics的图谱来分辨一些重复区域。

　　在试验性研究中，研究人员利用这种方法对人类HapMap样品NA12878进行组装和分相。最初的Illumina组装产生了超过14,000个scaffold，而N50为0.59 Mb。在混合组装后，scaffold数量降为170个，而N50大小达到33.5 Mb，相对之前有57倍的改善。

　　与参考基因组相比，研究人员发现他们的组装结果比2011年发表的ALL-PATHS组装更准确，与Pendleton等人的方法有95.2%相似。此外，他们还指出，95.7%的外显子存在于他们的新组装中。

　　尽管Kwok及其同事认为这种方法是一种改进，但也存在一些局限。例如，10X的方法依赖于高分子量DNA的制备，这对长期保存的样品而言很难做到。另外，linked-read是通过50-100 kb分子的随机k-mer扩增产生的，但这些分子不一定北扩增。因此，人们需要产生不同大小的多个测序文库，这增加了工作量。

　　“通过这个原理验证研究，我们证明了使用这三组互补的作图-测序数据能克服之前的限制，而普通实验室可在短时间内以合理的成本平行生成这些数据，”作者在文中写道。