出现破碎化的基因组组装（不成环，图1），通常是DNA提取、建库等上游实验流程的过失，在不影响（方便）下游分析的情况下，是可通过一些措施弥补的。并且在GetOrganelle组装的最初结果中，仅有较少的gap时，这种弥补措施更有效。
图1 一个接近完美的不成环基因组
原理：基于参考基因组，使用N/?填充gap。这并不会对原有gap基于clean_data进行补充，而是使用N/?填充这些区域。
流程：
（1）使用join_spades_fastg_by_blast.py调整assembly_graph.fastg.extend- *.fastg文件。assembly_graph.fastg.extend-*.fastg是一个简化的组装结果，是GetOrganelle初步组装的文件之一（图2）。在上述不完美的基因组组装所得的该文件中，这个简化的组装结果包括了196个contigs。经join_spades_fastg_by_blast.py调整得到*.Ncontigs_added.fastg，该文件包含了674个contigs。我不太清楚这其中的原理，但这个调整后的*.fastg文件包含了每个contigs内部的gaps与overlap信息（如果存在），只是尚未填充N/?，这是流程的第二步。
图2 GetOrganelle组装初步结果与join_spades_fastg_by_blast.py对assembly_graph.fastg.extend- *.fastg的调整
（2）使用get_organelle_from_assembly.py填充N/?，并基于*.Ncontigs_added.fastg文件尝试组装环状基因组。输出的结果可能与GetOrganelle的初步组装看起来类似（图3）。但embplant_pt.scaffolds.graph1.1.path_sequence.fasta里头已经是没有gap的单一scaffolds了（在本案例中）。虽然仍旧没有成环，但与初步的结果相比，有了提升。如果打开embplant_pt.scaffolds.graph1.1.path_sequence.fasta可以发现原先的contigs之间被填充了N/?（图5）。
图3 使用get_organelle_from_assembly.py获取新组装的输出结果
图4 新组装
图5 为减少contigs的数量，新组装被填充了N/?
该案例的结果显示，在叶绿体的大单拷贝（LSC）区仍然存在一个无法填补的gap，也许只能通过实验弥补。比如利用gap两端的序列作探针，然后PCR扩增这些缺失的片段。
p.s. join_spades_fastg_by_blast.py与get_organelle_from_assembly.py脚本通过conda安装的GetOrganelle均有，可在环境中直接使用。
参考资料：
[1] What should I do with incomplete result/"broken assembly graph"?
网友评论