三代测序数据自纠错技术 和 二代测序数据对三代测序数据纠错的技术。

以Pacbio为代表的第三代测序平台，其测序读长(reads)长(平均10～15k)且无GC偏向性的优势，使其在基因组组装等方面得到了广泛的应用，但其过高的错误率(15％～20％)，使得组装算法的复杂性大大提高。

对于组装策略而言，输入的读长的错误率、长度和测序深度是影响组装效果的主要指标。

因此，在利用第三代测序数据进行组装时，充分利用数据特征，对第三代测序读长进行纠错，降低其数据错误率，是数据前处理的一个重要步骤。

以Hiseq为代表的第二代测序，相对于第三代测序来说是一个成本更低、准确率更高的测序方式。

Hiseq数据的错误率要比PacBio数据的错误率低1～1.5个数量级。

因而，利用第二代测序数据对第三代测序数据进行纠错，在可以将第三代数据的错误率降低到与第二代测序相当的水平。

从而更有利用基因组组装及其他相关的技术应用。

目前的纠错技术包括：三代测序数据自纠错技术和二代测序数据对三代测序数据纠错的技术。

三代测序数据自纠错技术，以Quiver和PBcR MHAP为代表。

以Quiver为例，其技术路线为：

将长的三代PacBio读长作为参考序列(reference)，将其他读长比对到参考序列上。

然后利用序列间的一致性去推断比对区域的一致性序列，用得到的一致性序列替换原序列从而得到纠错后的读长(Chen-Shan Chin,et al(2013),Nonhybrid,finished microbial genome assemblies from long-read SMRT sequencing data-nature methods,Supplementary Note 1,p13～p16)。

PBcR MHAP与Quiver类似，其优势在于只用到了三代测序数据，缺点在于需要较高的数据深度。

二代测序数据对三代测序数据纠错的技术，以PacbioToCA和ECtools为代表。

以PacbioToCA为例，其技术路线为：将二代短读长比对到三代读长上，然后将比对到一起的二代和三代读长合并，生成一致序列。然后截断并分离二代比对出现间隙(gap)的位点，作为纠错后的读长(Sergey Koren et al(2012)Hybrid error correction and de novo assembly of single-molecule sequencing reads-nature biotechnology)。

该方案综合利用了二代测序数据和三代测序数据，但没有考虑同一基因组多个相似片段间的差异。

 

总而言之，现有技术方案存在如下缺陷：

在典型应用场景下通常会导致大量的数据损失；

会导致读长长度的缩短，不利于充分利用三代数据的读长优势；

纠错结果为纯序列格式，无质量值系统，无法评估纠错结果中各碱基的错误率；

并且自纠错技术需要一定深度的三代数据才能完成纠错，对低深度数据不适用。