复杂基因组测序技术研究进展

基因组是所有生命遗传物质的集合，为生命行使生物学功能提供指导，基因组中的碱基序列信息记录着生命进化的历史。因而，基因组序列的完整解析可极大促进基因功能研究，更为物种相互作用和基因组比较等生命科学研究提供基础信息。大多数生物的基因组均由A、T、G、C 4种碱基组成，其组合顺序和总长度各不相同，如何快速和低成本地获取基因组序列一直是基因组学领域的重心

目前常用于基因组组装的两种算法DBG (De brujin Graph)[28]和OLC (overlap-layout-consensus)[29]，虽然在原理和速度上具有较大的差别，但其本质都是寻找特定序列的最佳连续匹配，因此在处理高重复和高杂合时，都存在上述的弱点。

相对而言，由于DBG算法是通过K-mer的精确匹配进行组装，可以区分细微的序列差别，因此在一定程度上可以区分不同的重复序列；但对于本身具有较大差异的杂合区段来说，DBG会将其组装成独立的序列，因此DBG对于高重复组装具有相对的优势，但对于高杂合表现则不佳。

而OLC算法在寻找最佳比对时，允许一定的错配，因此在一定程度上可将杂合区段合并组装，但对于重复序列来说，由于大部分重复序列上的差别小于OLC允许的错配，重复序列可能被错误合并组装在一起，因此OLC算法对于高杂合具有相对的优势。如果将两种算法适当地结合在一起，则可以在一定程度上解决由于高重复和高杂合引起的组装难题。