第二、三代基因组测序数据混合拼接软件综述
2021-05-06王昊,陈挺,2*
生物信息学 2021年1期
关键词:深度
王 昊,陈 挺,2*
(1.清华大学 计算机科学与技术系,北京 100084;2.清华大学 人工智能研究院,北京 100084)
DNA作为生物重要的遗传物质,一直被生物学家在不同层面进行深入研究。从发现DNA的结构开始,人类通过研究复杂多样的基因组,在健康和疾病的研究中已取得了长足的进步。为了研究DNA序列,DNA测序是必不可少的环节。由于现有技术仅能测得较短的DNA序列,因此将DNA测序获得的读段(Read)进行从头拼接(De novo assembly)成为较长的重叠群(Contig)、进而拼装成更长的骨架(Scaffold)、最终获得完整的基因组(Genome)一直是生物信息学的重要课题。而随着测序技术的发展,测序试剂和仪器不断更新换代,测序的速度、价格,以及测序获得的读段在质量、长度、碱基偏好等方面特性也有变化,针对新的测序数据设计更适应数据的拼装算法也是不断推陈出新。
1977年,由Sanger等人提出的链终止法测序方法开创了测序技术的先河[1],这种测序方法后来通常被称为Sanger测序法,即第一代测序技术。第一代测序技术的主要特点是获得的读段序列长度较长,通常可达1 000 bp,准确性高,可达99.999%,但是测序的成本比较高,通量也比较低。这些特点决定了第一代测序技术通常被应用于长度较短,或者十分重要的基因组测序任务中。
为了解决第一代测序技术具有通量低、成本高的局限性, 454焦磷酸测序[2],Illumina[3]等测序仪器相继诞生。这些新一代测序仪可以获得每次运行上百万上亿次读数的更高输出,但是读取长度更短,最新一代的Illumina机器现在输出大约250-300 bp的高质量读数。……
登录APP查看全文
