参考基因组中的chr*_random和chrUn_*序列如何处理

在下载人和小鼠基因组做为参考时，大多数可能只留意到了chr1-22，chrY，chrX和chrM的参考基因组序列，于是分别下载了25条染色体序列，合并成一个fasta文件，用bowtie2或者BWA构建index，用于下一步的read比对，然后是各种分析（包括突变、转录表达等）。

UCSC下载的hg19版本的整个参考基因组文件https://hgdownload.soe.ucsc.edu/goldenPath/hg19/bigZips/hg19.fa.gz中，除还包括chrrandom和chrUn序列（暂时理解为补丁序列，真实的补丁序列称呼常见assemble过程，见http://www.ncbi.nlm.nih.gov/projects/genome/assembly/grc/info/patches.shtml，有fix 和novel patch，这里我们现在只讨论chrrandom和chrUn）。

The chr*_random sequences are unplaced sequence on those reference
chromosomes.

The chrUn_* sequences are unlocalized sequences where the corresponding reference chromosome has not been determined.

当然如果DNA或RNA测序的read比对到chrrandom 和 chrUn 序列上，显然大多数人都不关注这些序列上信息，我想这也是很多人不把chrrandom 和 chrUn 放到参考基因组fasta文件中的原因。但是，chrrandom 和 chrUn 显然是存在的，只不过现在暂时没有确定位置或者后续用于基因组序列更正。

如果参考基因组序列中不包含chrrandom 和 chrUn序列，那么原来属于chrrandom 和 chrUn的read则有可能比对到（不是一定）chr1-22，chrX，chrY上的相似区域（这些区域与chrrandom 和 chrUn中的部分区域相似），造成假阳性比对，后续这些reads提供的信息都是不可靠的。

如果参考基因组序列中包含chrrandom 和 chrUn序列，那么来自这些区域的reads则会正确的比对到这个地方，没有假阳性比对，只不过后续分析不需要考虑chrrandom 和 chrUn即可。

所以，参考基因组需要放chrrandom和chrUn序列，降低reads比对时的假阳性。

---------------------------------------------------------------------------------------------------------------------------------------------------I`m a line ! Thanks !-------------------------------------------------------------------------------------------------------------------------------------------------------------------------