Hi-C辅助基因组组装

案例一

三代+光学+HIC拯救复杂基因组—-大麦基因组Nature篇。新鲜出炉的消息，新版大麦基因组又发nature啦！大麦基因组到底经历了怎样的困局？到底是什么解救了大麦基因组？后续大麦基因组还会发Nature吗？重复序列比例过高如何解决？新技术的到来更新基因组的必要性到底如何？

大麦基因组的困局：

大麦作为重要的经济作物，其在农业上的重要性毋需本编过多描述。大麦基因组破解工作本处于第一梯队，为何初版基因组在2012年才发布呢？原因就是大麦基因组的属于高重复的复杂基因组，通过当前技术是无法很好解决的。虽然只有7条染色体，但是基因组的重复序列比例高达84%，同时基因组大小在5.1 Gb，相比于人，水稻等简单基因组，技术上存在很大的难度。和人类基因计划一样，通过集齐全世界科学家的努力，构建了大量的BAC文库，得到了物理图，同时基于遗传图谱，得到了初版基因组。虽然通过综合各种技术，得到的了基因组序列在4Gb 左右，但其可靠性，准确性难以保障。就拿二代数据来说，当时只组装出了1.9 Gb contig的序列，指标更是无从说起。虽然全世界科学家的努力不可否认也不容质疑，但现在看来，初版大麦基因组给人的感觉只能是有胜于无！

到底是什么解救了大麦基因组？废话不多说，看看人家的组装结果（表1）。

文章中使用的技术手段包括BAC+Illumina+BioNano+HiC+Genetic Map，得到了4.79 Gb基因组序列，最终利用HIC和遗传图分别将95%和97%的序列挂到了染色体的水平。相比于初版基因组，组装水平高了不只是一大截啊，这就是技术上的胜利！话说，基于此版基因组，预测出的基因编码区至占到了整个基因组的1.4%，而转座原件（重复序列的一个大类）却占到了整个基因组的80.8%。所以说，大麦基因组的难度的确大啊！请看文章中描述的组装技术路线：

• 构建87085个BAC，利用Hiseq 进行PE及MP文库测序得到4.5 Tb二代数据，之后将每个BAC的测序数据分别进行组装；
• 通过物理图谱将BAC间的关系确定；
• 利用遗传图+光学图谱，通过组装好的BAC序列构建Superscaffold；
• 利用群体遗传图（POPSEQ）进行Superscaffold分组（97%分组）；
• 利用HiC进行Superscafold排序及定向（95%挂载）；
• 基因组评估+基因预测+后续分析。

文章中做了哪些分析？

1、染色体间外大小臂之间的交互

通过HIC热图作者发现无论是染色体内部还是染色体间的长短臂之间都存在较强的交互信号。按照HIC的原理来说，染色体上空间作用越强则实际DNA间的物理距离越近，染色体大小臂及不同染色体间的相互作用应该是极弱的。为了找出原因，作者通过对大麦叶核间期的细胞进行着丝粒及端粒荧光杂交，发现所有染色体的端粒和着丝粒在空间上的位置都纯在极性，且排列方式也极其相似，不同染色体间的大小臂其实在空间上距离很近，因此确实存在染色体内外大小臂之间大量的交互作用的可能。

2、染色体上重复序列及基因密度

利用染色体位置信息，通过对20-mer频率将染色体进行划分成了三种区域，每种区域上在基因密度，重组率，LTR插入时间以及GC含量上都存在一定的规律。

3、基因家族分析

通过对大麦基因组进行基因家族收缩扩张分析发现，收缩扩张的家族中*显著的部分都与植物防御及抗病相关。另外，作者对麦芽品质相关的amy家族及糖代谢相关的SWEET家族进行了亚家族分类，多倍化及表达模式相关的分析。

4、遗传多样性及单体型分析

基因组在分子遗传育种中具有极其重要的作用，本文中作者对来自欧洲的冬季及春季小麦两个群体进行了遗传多样性及单体型相关分析。最终发现，这两个群体在不同的染色体位置上的多样性程度及连锁强度都存在不同特点。如果没有一个好的基因组，很难全面了解群体间的变异情况，会给功能育种上带来困难。

大麦基因组还能发Nature吗？重复序列比例过高如何解决？

虽然此版基因组已经发表，但是本编觉得就目前的技术而言，大麦基因组还是有很大的提升空间。有咩有发现，此版大麦基因组没有使用当前主流基因组所使用的三代测序技术？虽然此版本基因组相较于第一版基因组提升较大，但是基因组装的过于零碎仍旧是事实。毕竟此版基因组的contigN50才79Kb，而super scaffold N50也才1.9Mb。一旦过于零碎，肯定会导致许多基因无法被预测出，这将对后续基因组的功能解读及研究增加困难。目前，三代测序技术在基因组完整性上能够有很好的发挥，同时在基因组结构变异上也能够有所保障。针对大麦基因组，已经有了如此多的数据，本编认为，如果后续如果再加入纯三代测序数据，contigN50达到Mb级别是极其轻松的！

案例二

Chromosome-scale assembly of the Sparassis latifolia genome obtained using long-read and Hi-C sequnencing

发表时间：2021

合作单位：福建农业科学院

发表期刊：G3（Genes|Genomes|Genetics）

研究背景：随着工业化和城市化进程的推进，多环芳烃类污染物在水体沉积物中频繁检出，给水生态安全和人类健康造成极大威胁。本研究通过结合梯度稀释培养法、传统的分离培养技术以及宏基因组这这下学分析等多种方法手段，深入解析了黑臭河流沉积物中硫酸盐呼吸耦合多环芳烃降解的核心功能微生物组。

测序策略：三代测序（ONT）+Hi-C

研究结论：通过ONT和高通量染色体构象捕获 (Hi-C) 技术得到了S. latifolia SP-C菌株基因组完成图。本次总共产生8.24 Gb的ONT数据，S. latifolia的测序覆盖率为198.08X，通过组装得到了41.41 Mb的高质量基因组，scaffold和contig N50 的大小分别为3.31和1.51Mb。通过Hi-C辅助组装技术进一步组装成12条染色体的基因组，这些染色体包含93.56%的碱基，基因组的17.47%由重复序列组成。此外，预测了13103个蛋白质编码基因，其中98.72%的基因获得了功能注释，BUSCO评估完整度为92.07%。在S. latifolia基因组中还鉴定出126个tRNA、75个rRNA和36个其他非编码RNA，利用OrthoMCL对S. latifolia单拷贝和多拷贝进行分类，发现S. latifolia SPC与S.crispa SCP的共同基因多于S. latifolia CCMJ1100，系统发育显示，S. latifolia SPC与S.crispa SCP有更紧密的亲缘关系，MCScanX共线性分析证实了上述结果。

【项目文章】NG芥菜基因组文章解读

【项目文章】百迈客NG文章抢先看

【项目文章】百迈客助力苦荞基因组在线发表