有很多伙伴，都在进行基因组的组装，但是具体需要干什么，从什么地方开始，下一步又应该做什么?并不是很了解。
我用下面一份流程图来简单的说一下，整个基因组组装应该做些什么。也是我组装多个基因组之后，梳理的流程，或许也有一些欠缺，欢迎大家指出！
基因组组装.png
最基本的流程就是：
1.明确自己的物种信息，包括物种倍性、染色体条数、大概的基因组大小；
2.得到自己的测序数据，明确自己的数据是PacBio HiFi还是Nanopore数据；
3.选择对应的软件开始进行组装，不过现在的组装软件基本上都支持多种数据类型，只是使用过程中的一些参数不同而已；
4.如果你得到的是最原始的测序下机数据，也就是我们得到的是bam文件的数据类型，那么做的第一步就是将bam文件转为fastq/fasta文件；因为软件不支持输入文件为bam文件；
5.通过各种软件进行组装，最终得到contig文件，进行各项评估，查看各项指标是否满足需求或者说质量是否高。例如contigN50的统计、BUSCO完整性的评估、GC含量的统计等等。（如果你的contig冗余太高，还要进行去冗余处理）
6.在通过软件，例如AllHiC、RagTag等；加上辅助数据，例如Hic数据，参考基因组等，对你的contig序列进行整合，到达scaffold水平，也就是我们说的染色体水平；并绘制一个染色体的共线热图
7.得到scaffold水平的基因组之后就可以开始进行，基因的结构注释，得到一个完整的一套基因组文件（genome/gtf/gff3/cds/pep）文件；
8.进行基因组的TE注释，用EDTA软件进行，得到基因组的LTR信息；
9.对组装出来的基因组，进行评估，大抵上和评估contig的时候差不多；但是BUSCO这时候评估的就是蛋白序列（pep）；
10.统计各项指标：基因数目、外显子数目、内含子数目、miRNA数目、tRNA数目等。
若有遗漏，欢迎大家指出和纠正！
网友评论