老习惯:先写结论,不浪费大家时间
推荐Canu、FALCON和MECAT
PacBio拥有独特的单分子实时测序技术
(SingleMolecule Real Time,SMRT)
| 优点 |
-
超长读长(平均10-18k)
-
无PCR过程,均一的覆盖度
2016年以来各高分杂志陆续公布依靠PacBio技术获得的高质量基因组图谱,说明该技术已经成为基因组研究的标配。
然而,其序列随机错误率较高(~15%),与NGS de Bruijn graph方法不同,纯PacBio序列组装使用OLC方法。
简单来说,就是序列依靠Overlap关系进行拼接,类似各位使用DNAstar拼接Sanger数据的过程。
几乎所有单纯PacBio数据组装软件的OLC原理都分如下几步:
1 从Subfilter Reads中(对应NGS Clean Data)挑选非冗余的长序列;
2 以上述序列作为参考,与其余序列进行序列比对(类似重测序Mapping过程);
3 根据Mapping结果,修正随机测序错误,生成一致性序列;
4 检查overlap关系,连接一致性序列
如下图所示:
PacBio应用案例:
从以上结果来看,有如下结论:
(1)适用于各类物种
(2)Contig/Scaffold N50显著高于NGS技术
(3)组装软件比较集中(Falcon、PBcR、canu、HGAP等)
各种软件的测试状态(Rank越小,组装质量越高):
对于基因组1G以内的物种,结论如下——
基因组 <25M:ABruijn、Canu和FALCON
25M~750M:Canu、MECAT、FALCON和HGAP3
组装效果综合表现:Canu和FALCON最佳
从运算资源消耗来看,MECAT和Canu优势明显:
参考文献:doi: 10.1093/bib/bbx147