PacBio长reads的大基因组组装

原文链接：Large Genome Assembly with PacBio Long Reads

---

可以以多种方式利用PacBio长reads来生成和改进大型基因组的de novo组装。
你可以用几种不同的方法:

1. PacBio-only de novo 组装。long insert library; preprocessed; Overlap-Layout-Consensus algorithm
2. 混合de novo组装。combination of PacBio and short read data; hybrid assembly
3. 填充Gap。mate-pair based assembly；
4. Scaffolding。join contigs

图：PacBio装配方法的说明

---

下面我们讨论什么软件是可用的，如何选择软件，以及额外的考虑。

1.软件选择

1.1 PacBio-only

1. HGAP workflow：preassemble reads；assemble the preassembled reads using Celera® Assembler；polish using Quiver
2. Falcon 一个实验性的二倍体组装工具，测试multi Gb genomes。
3. Canu Celera Assembler的一个分支，专门用于高噪音单分子测序。
4. Celera® Assembler 提供直接组装subreads的一种方式
5. Sprai preassembly-based的组装工具，目标是generate longer contigs。

1.2 混合使用

1. pacBioToCA Celera® Assembler的一个error correction模块，最初是用来align short reads to PacBio reads 和 generate consensus sequences。Celera® Assembler可以组装These error corrected reads。
2. ECTools 一组工具，使用contigs代替short reads 来进行correction。
3. SPAdes short read assembler，added PacBio hybrid assembly，最新version 3.0。
4. Cerulean 从ABySS 的assembly graph开始，extends contigs by resolving bubbles in the graph，使用PacBio long reads。已成功在genomes <100 Mb的物种中运行。
5. **dbg2olc ** 使用Illumina contigs作为anchors 来建立overlap graph，使用PacBio reads，性能非常好。

1.3 Gap Filling

• PBJelly 2 使用PacBio reads来fill in gaps in scaffolds。genomes >1 Gb下已成功运行，

---

2.额外的考虑

2.1 覆盖度和软件选择

算法选择：how much PacBio sequencing can be obtained 和 what types of short read data are available。
一般：

• PacBio-only de novo：get at least 50X PacBio coverage
• HGAP：minimum recommended coverage下表现最好
• PBcR in Celera Assembler 8.2 beta uses MHAP：For larger genomes
  ...
• PBcR and ECTools ：20X PacBio coverage
• PBJelly 2：a high quality set of scaffolds exists
  ...
  at least PacBio 5X coverage to fill gaps

图：PacBio 算法 推荐 from a PAG 2014

2.2 重复的内容

de novo assembly最大的挑战之一
解决方案：work with insert sizes that can span repeats and identify unique anchoring sequence on each side.

2.3 倍数性

大部分组装工具都是为单倍体设计的。
二倍体基因组染色体之间的结构变异较少

2.4 Short-Read数据的覆盖偏差

extreme GC composition

2.5 计算消耗

减少时间消耗：align short read contigs to PacBio reads

2.6 基因组草图的质量

Gap filling of mate pair-based scaffolded assemblies

2.7 大量的插入库

3.数据集和实例项目

4.附加链接