组装基础 · 软件流程与结果检查 · 6 篇
基因组组装与图泛基因组
从 HiFi＋ONT 联合组装和质量检查开始，介绍 Hi-C 分相与挂载、图泛基因组构建、重测序比对和基因注释，最后说明 GraphPangenomePipeline 的使用方法。
从这里开始
- 01 从测序读段开始组装基因组 从 k-mer 分析开始，介绍 HiFi、HiFi＋ONT 超长读段及加入 Hi-C 的组装流程，说明 hifiasm 与 Verkko 的输入、命令和输出。
- 02 检查组装，再把序列挂到染色体上 用 QUAST、BUSCO 和 Merqury 分别检查组装质量，再说明 C-Phasing 的输入、Hi-C 挂载与人工校正。
- 03 用多个基因组构建泛基因组图 从基因组清单和参考选择开始，介绍 Minigraph-Cactus 建图、图文件含义以及裁剪和过滤的影响。
- 04 把重测序读段比对到图上 介绍 vg Giraffe 索引和双端比对，区分 GAM、覆盖统计与 VCF，并解释 vg call 的基因型推断和结果检查。
- 05 把基因注释放回图上 介绍 GrAnnoT 注释转移的输入和命令，解释基因存在／缺失矩阵，并区分基因组注释与 RNA 测序分析。
- 06 用 GraphPangenomePipeline 串起流程 按当前源码说明 GraphPangenomePipeline 的模块、配置和命令，核对输出目录，并解释需要单独检查的运行行为。
从读段到基因组，再从基因组到图
测序得到的是许多条读段。HiFi 提供高准确度长读段，ONT 超长读段补充跨越较长重复区域的连续信息，组装软件可以联合使用它们。Hi-C 可以在组装中辅助分相，也可以在后续挂载中帮助排列染色体。图泛基因组构建接收的是已经组装并经过质量检查的基因组，再通过比对，把不同基因组的共享序列与差异放进同一张图。
已有可靠组装时，可以直接从第三篇开始。只有测序读段时，先完成前两篇的组装和质量检查。第六篇介绍我写的流程管道，适合在理解各软件的输入与输出后阅读。
六篇文章分别解决什么问题
| 篇章 | 要完成的工作 | 主要软件 |
|---|---|---|
| 从测序读段开始组装基因组 | 看懂 k-mer 频数，运行 HiFi＋ONT 联合组装 | Jellyfish、GenomeScope 2、hifiasm；另述 Verkko |
| 检查组装，再把序列挂到染色体上 | 分开评估连续性、完整性与连接关系 | QUAST、BUSCO、Merqury、C-Phasing |
| 用多个基因组构建泛基因组图 | 整理组装清单，建图并核对输出 | Minigraph-Cactus、vg |
| 把重测序读段比对到图上 | 建索引、比对、汇总支持并推断基因型 | vg Giraffe、vg pack、vg call |
| 把基因注释放回图上 | 核对坐标，转移注释，理解存在／缺失矩阵 | GrAnnoT；图转录组扩展阅读 |
| 用 GraphPangenomePipeline 串起流程 | 配置已有模块，检查每步产物 | Python、uv、GraphPangenomePipeline |