用Hifiasm基于HiFi数据组装基因组：（一）简介Hifiasm软件和HiFi数据

(全文约900字)

1. HiFi数据

HiFi reads（High Fidelity reads）是2019年由PacBio公司推出的基于环化一致性序列（Circular Consensus Sequencing，CCS）模式产生的既兼顾长读长（10-20kb的长度）又具有高精度（>99%准确率）的测序结果。非常适合用于基因组组装。

1. HiFi数据预处理

• 可以用 bam2fasta直接把下机数据ccs.bam或者hifi.bam转换成fasta格式文件用于后续分析。
• bam2fasta sample.ccs.bam -c 9 -o sample.ccs命令会生成sample.ccs.fasta.gz文件， -c 9代表压缩程度为9。

2. 用HiFi数据组装基因组的软件选择

• 2024年发表在Genome Research上的一篇 文章 对11种针对HiFi测序技术的组装工具的评估结果显示， hifiasm和 hifiasm-meta分别是组装真核基因组和宏基因组的最佳工具。
• 文章显示，在真核生物基因组组装中，hifiasm在不同方法比较的组装基因组均具有更高的连续性、完整性和准确性；HiCanu、Verkko与LJA次之，但Verkko与LJA具有组装的contig较短等缺陷；NextDenovo仅对单倍体基因组具有更好的性能。
• 宏基因组组装评估中，hifiasm-meta以及metaflye的组装错误最少，但是在面对复杂宏基因组时hifiasm-meta的完整性及连续性明显优于metaflye，但同时也会保留部分冗余的序列。

目前来说，Hifiasm软件是用HiFi数据组装基因组的不二选择。

2. Hifiasm软件

1. 简介

• Hifiasm是一个利用PacBio HiFi数据进行从头组装基因组，获得单倍体基因组的组装工具。
• 由哈佛大学李恒团队在2021年2月份开发，首次发表在Nature Methods上。2022年在Nature biotechnology上发表论文，在Hifiasm中引入了Hi-C Integrated assembly 模式。
• Hifiasm被设计用于PacBio HiFi数据组装基因组，使用在分型组装图（pahsed assembly graph）中表示单倍体信息的算法。

2. 特点和优势

• 运行速度很快。半天时间可以组装一个人类基因组。
• 可以接受一种数据类群的多个输入文件（如多个HiFi数据文件），并且合并作为一个文件输入和多个文件输入的结果不同，建议就保持多个文件输入。
• 倾向于尽量组装更长的contigs。
• 能够更好地解决片段重复（segmental duplications）
• 可以利用Hi-C数据或/和亲本二代Illumina测序数据获得解析良好的单倍型组装。
• 也可以利用Oxford Nanopore数据获得端粒到端粒的组装。

3. Hifiasm简化了组装流程

• 内置了清除haplotigs之间的重复（duplications）的程序，无需第三方工具（如purge_dups）。
• 组装完成后无需polish工具（如pilon，racon）进行polish。

3. references

1. Hifiasm manual：https://hifiasm.readthedocs.io/_/downloads/en/latest/pdf/
2. Hifiasm介绍：https://www.bilibili.com/read/cv18775152/
3. hifiasm组装（多个cell的HiFi输入文件）的不同结果：https://mdnice.com/writing/25f5a8fe3bfe4474ae1bdcab44604da9

---

• 欢迎关注微信公众号： 生信技工
• 公众号主要分享生信分析、生信软件、基因组学、转录组学、植物进化、生物学概念等相关内容，包括生物信息学工具的基本原理、操作步骤和学习心得。

本文由 mdnice 多平台发布