高通量测序中的reads、contig、scaffold

1.什么是read?

高通量测序时,在芯片上的每个反应,会读出一条序列,是比较短的,叫read,它们是读序；就是我们测序产生的短读序列，通常一代和三代的reads读长在几千到几万bp之间，二代的相对较短，平均是几十到几百bp。PE reads 就是 paired-end reads。在测序过程中，一条DNA分子的两端都可以测序。先测其中的一端，获得一个reads，然后再转到另一端测序，获得另外一个reads。得到的这两个reads就是PE reads。PE reads 的获得有助于后期序列组装。

2.什么是contig？

有很多reads通过片段重叠,能够组装成一个更大的片段,称为contig，它们是（片段）重叠群；就是不同reads之间的overlap（交叠区），拼接成的序列就是contig。

Contig N50：Reads拼接后会获得一些不同长度的Contigs.将所有的Contig长度相加,能获得一个Contig总长度.然后将所有的Contigs按照从长到短进行排序,如获得Contig 1,Contig 2,contig 3...………Contig 25.将Contig按照这个顺序依次相加,当相加的长度达到Contig总长度的一半时,最后一个加上的Contig长度即为Contig N50.举例：Contig 1+Contig 2+ Contig 3 +Contig 4=Contig总长度*1/2时,Contig 4的长度即为Contig N50.ContigN50可以作为基因组拼接的结果好坏的一个判断标准。

3.什么是scaffold？

多个contigs通过片段重叠,组成一个更长的scaffold，中文中有脚手架的含义；是比contig还要长的序列，获得contig之后还需要构建paired-end或者mate-pair库，从而获得一定片段的两端序列，这些序列可以确定contig的顺序关系和位置关系，最后contig按照一定顺序和方向组成scaffold，其中形成scaffold过程中还需要填补contig之间的空缺。基因组de novo测序，通过reads拼接获得Contigs后，往往还需要构建454 Paired-end库或Illumina Mate-pair库，以获得一定大小片段（如3Kb、6Kb、10Kb、20Kb）两端的序列。基于这些序列，可以确定一些Contig之间的顺序关系，这些先后顺序已知的Contigs组成Scaffold。

Scaffold N50：Scaffold N50与Contig N50的定义类似.Contigs拼接组装获得一些不同长度的Scaffolds.将所有的Scaffold长度相加,能获得一个Scaffold总长度.然后将所有的Scaffolds按照从长到短进行排序,如获得Scaffold 1,Scaffold 2,Scaffold 3...………Scaffold 25.将Scaffold按照这个顺序依次相加,当相加的长度达到Scaffold总长度的一半时,最后一个加上的Scaffold长度即为Scaffold N50.举例：Scaffold 1+Scaffold 2+ Scaffold3 +Scaffold 4 +Scaffold 5=Scaffold总长度*1/2时,Scaffold 5的长度即为Scaffold N50.Scaffold N50可以作为基因组拼接的结果好坏的一个判断标准.

一个contig被组成出来之后,鉴定发现它是编码蛋白质的基因,就叫singleton；

多个contigs组装成scaffold之后,鉴定发现它编码蛋白质的基因,叫unigene。