歡迎關注”生信修煉手冊”!
早在2013年的時候, 就已經有科學家提出了利用Hi-C數據來輔助基因組組裝的思路，可以將scaffold進一步提升到染色體級別的長度，并提供了配套的分析軟件LACHESIS。該軟件默認輸入的基因組組裝結果完全正確，后續的操作都是建立在這個前提下。然而實際情況中，受到組裝算法的限制，基因組草圖中會存在拼接錯誤的情況。
在2017年的時候，又有科學家提出了利用hi-c輔助基因組組裝的新思路，并利用該思路進行了埃及伊蚊的基因組組裝，對應的文章發表在science上，鏈接如下
https://science.sciencemag.org/content/356/6333/92/tab-pdf
在該文章提供的分析思路中, 首先會根據hi-c數據的結果，對輸入的基因組組裝結果中的拼接錯誤進行校正，然后在進行后續分析，整個pipeline如下圖所示
可以分成以下4個大的步驟
preliminary filtration
misjoin correction
ordering and orientation
-
overlap merging
第一步首先對基因組組裝的結果進行預處理，去除長度太短的scafflod。長度過短的scaffold在hi-c圖譜中對應的交互信息會非常的少，沒有足夠的交互信息無法有效的進行后續分析；第二步利用hi-c數據校正scaffold中存在的拼接錯誤，對于檢測到存在拼接錯誤的scaffold, 將其切割為存在拼接錯誤的inconsistent部分和未檢測到拼接錯誤的consistent部分，inconsistent部分不會進行后續分析。
第三步確定歸屬同一條染色體的scaffold，并進行排序和調整方向；第四步檢測同一條染色體上的scaffold間是否存在overlap, 對于存在overlap的scaffold, 進行merge。
應用該算法結合hi-c數據對埃及伊蚊的基因組結果重新組裝后，效果如下所示
可以看到，由最初的草圖組裝到了最終的染色體級別。該算法對任意的基因組組裝都是適用的，值得一提的是該文章指出，通過hi-c數據輔助基因組組裝得到的最終結果中，還是會存在部分的錯誤結果，這個是不可避免的。
文章中對應的軟件鏈接如下
https://github.com/theaidenlab/3d-dna
后續會詳細介紹其用法。
·end·
—如果喜歡，快分享給你的朋友們吧—
掃描關注微信號，更多精彩內容等著你！
