contig,scaffold,N50,L50

scaffold其实是基因组组装时的概念。涉及到的相关概念如下：

• reads：就是我们测序产生的短读序列，通常一代和三代的reads读长在几千到几万bp之间，二代的相对较短，平均是几十到几百bp。
• contig：中文叫做重叠群，就是不同reads之间的overlap交叠区，拼接成的序列就是- contig
• scaffold: 是比contig还要长的序列，获得contig之后还需要构建paired-end或者mate-pair库，从而获得一定片段的两端序列，这些序列可以确定contig的顺序关系和位置关系，最后contig按照一定顺序和方向组成scaffold，其中形成scaffold过程中还需要填补contig之间的空缺。

image.png
image.png

链接：https://www.zhihu.com/question/36452709/answer/683390664

• N50，L50

  
  image

上图就是大多数时候可能得到的情况，除了少数极长的scaffold外，就是一大堆零碎的小片段。这个时候如果用平均数来算，为(10+5+2+1+1+1+1)/7=3，有点惨不忍睹……
于是就有了N50和L50，计算过程为：
① 将序列从大到小排列。
② 计算总序列长度。
③ 从最大的序列开始累加。
④ 当加到某一个序列的总和，刚好超过总序列长度的一半时，此序列的长度即为N50，这是第几条序列则为L50。
在上面的例子中，总长度为21，总长度的一半为10.5。第一条序列为10bp，总和为10bp <10.5bp，不满足终止条件；第二条序列为5bp，总和为10+5=15bp > 10.5bp，计算结束。此时N50 = 5bp，L50=2。