简介Miniasm 是一款基于 OLC 算法、运行速度极快的长读长杂合序列从头组装软件。该软件以序列两两之间的比对重叠结果通常由 minimap2 生成作为输入文件输出 GFA 格式的组装图。 与主流组装软件不同Miniasm无碱基一致性校正步骤仅直接拼接测序读长片段生成最终的重叠群序列因此组装序列的单碱基错误率与原始输入测序数据基本持平。目前 Miniasm 仍处于早期开发阶段仅在十余组 PacBio 与牛津纳米孔ONT细菌基因组测序数据中完成测试。包含序列比对步骤在内组装一份细菌基因组仅需约 3 分钟。在默认参数下12 组 PacBio 测试数据中有 9 组、4 组纳米孔测试数据中有 3 组均可组装得到单条完整重叠群。 所用 12 组 PacBio 数据集包含大肠杆菌 PacBio 测试数据、ERS473430、ERS544009、ERS554120、ERS605484、ERS617393、ERS646601、ERS659581、ERS670327、ERS685285、ERS743109 以及一组已废弃的大肠杆菌 PacBio 测序数据纳米孔测序数据均取自罗曼实验室。以秀丽隐杆线虫 PacBio 数据为例仅使用 40 倍测序深度数据未使用全部数据使用 16 核线程完成序列重叠比对与全程组装仅需约 10 分钟组装总长度 105 MbContig N50 长度达 1.94 Mb。 作为对比HGAP3 组装流程组装得到 104 Mb 基因组Contig N50 为 1.61 Mb。点阵比对图可直观对比二者组装结果整体组装连续性水平相近但 HGAP3 产出的一致性序列碱基准确度远高于 Miniasm。 若使用全部测序数据组装耗时约 30 分钟Miniasm 组装结果的 N50 会降至 1.79 Mb该软件仍存在较大优化空间。Miniasm 验证了一项可行性针对高测序深度细菌基因组无需提前纠错直接利用原始 PacBio 或纳米孔长读长数据即可组装获得长片段重叠群。 同时也证实 minimap2 可作为序列重叠比对工具使用尽管其比对灵敏度略低于 MHAP、DALIGNER 等专业高精度比对软件。 搭配长读长纠错软件与碱基一致性校正工具联合使用Miniasm 也可用于构建高质量基因组组装结果。算法原理概述粗筛选测序序列遍历每条测序读长筛选出被三组优质比对区域共同覆盖的最长连续片段初步估算测序深度。精细筛选测序序列结合测序深度信息设置更严格筛选阈值二次筛选有效序列区域剔除完全被其他序列包裹的冗余读长。构建字符串图结构修剪图结构末端冗余分支、剔除低可信度序列重叠关系、合并小型序列气泡结构流程与二代短读长组装软件思路相近。合并确定无歧义的序列重叠区域最终生成重叠群序列。软件局限性组装序列碱基准确度与原始测序数据一致需搭配一致性校正工具优化碱基质量。仅完成少量高深度 PacBio、纳米孔数据集测试适配性仍需大量数据验证。易将长度超过测序读长的重复序列、片段重复区域错误合并无提前纠错前提下难以解决该问题。https://github.com/lh3/miniasm #官网从 PBcR 官网下载 PacBio 测试数据集wget -O- http://www.cbcb.umd.edu/software/PBcR/data/selfSampleData.tar.gz | tar zxf - ln -s selfSampleData/pacbio_filtered.fastq reads.fq安装 minimap2 与 miniasm依赖 gcc 编译器和 zlib 库git clone https://github.com/lh3/minimap2 (cd minimap2 make) git clone https://github.com/lh3/miniasm (cd miniasm make)对 PacBio 测序读长进行序列重叠比对纳米孔测序读长重叠比对改用参数 -x ava-ontminimap2/minimap2 -x ava-pb -t8 pb-reads.fq pb-reads.fq | gzip -1 reads.paf.gz序列骨架构建组装miniasm/miniasm -f reads.fq reads.paf.gz reads.gfa