一种衣藻染色体水平的基因组组装方法技术

本发明专利技术涉及基因组组装技术领域，公开了一种衣藻染色体水平的基因组组装方法。该方法通过依次采用FGAP、原始三代测序数据序列比对、初步组装后的DNA片段比对，关闭原始基因组中的200bp以下、200

【技术实现步骤摘要】
一种衣藻染色体水平的基因组组装方法


[0001]本专利技术涉及基因组组装
，尤其涉及一种衣藻染色体水平的基因组组装方法。

技术介绍

[0002]在传统的基因组构建(二代测序)中，通常将样本DNA经超声波打断成100
‑
200个碱基长度的小片段，然后通过NGS高通量测序仪进行测序，得到下机数据，在使用组装软件将短序列两两比对，通过短序列之间的重叠区域构建叠连群，形成较长的初步组装的基因组片段(contigs)，再通过染色体定位技术将长片段进一步组装结合，并且标记染色体编号，实现染色体水平上的基因组构建，即获得定位到染色体上的DNA序列(scaffold)。但是由于测序片段长度的限制以及组装水平影响，DNA上有些难以测到的片段，通常称为基因组中的gap。gap区域的存在给基因组学的分析带来了极大阻碍。
[0003]随着三代单分子测序技术的出现，为这个问题的解决带来了曙光，由于三代测序技术无需DNA扩增以及打断过程，且测序片段超长，最长可达1M(100万)个碱基，初步组装较为简单，可以轻松覆盖到传统基因组中的长片段gap区域。因此，采用三代测序数据，可以对二代测序获得的传统基因组进行gap关闭。
[0004]文献“FGAP:an automated gap closing tool”(Piro,Vitor C.,et al.BMC research notes 7.1(2014):371.)中公开了一种gap关闭工具FGAP，它利用BLAST将contigs序列比对到基因组草图序列上，寻找重叠到gap区域的最优序列，从而进行关闭gap区域。采用该工具能够较准确地关闭小gap区域，但难以关闭大gap区域，因而获得的全基因组完整性较低。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供了一种衣藻染色体水平的基因组组装方法。该方法依次采用FGAP、原始三代测序数据序列比对、初步组装后的DNA片段比对，关闭原始基因组中的200bp以下、200
‑
1000bp、1000bp以上的gap区域，能够在较大程度上提高基因组的完整性，同时兼顾了测序成本。
[0006]本专利技术的具体技术方案为：一种衣藻染色体水平的基因组组装方法，包括以下步骤：(1)利用衣藻的原始三代测序数据序列，通过FGAP工具对衣藻二代测序获得的原始基因组进行修饰，以关闭长度为200bp以下的gap区域，获得初步修饰后的基因组；(2)将原始三代测序数据序列与初步修饰后的基因组进行比对，使用python脚本关闭长度为200
‑
1000bp的gap区域，获得第二次修饰后的基因组；(3)根据reads之间的重叠区域，对原始三代测序数据序列进行初步组装，获得初步组装后的DNA片段；(4)将初步组装后的DNA片段与第二次修饰后的基因组进行比对，根据比对结果，
使用python脚本提取所需序列，关闭长度为1000bp以上的gap区域，实现基因组组装。
[0007]第三代测序读长超长，初步组装较为简单，可以轻松覆盖到传统基因组中的长片段gap区域。基于此，本专利技术在传统二代测序获得的原始基因组基础上，利用对应物种的三代测序数据，关闭原始基因组中的gap区域，由于二代测序已经将DNA片段定位到染色体上，因此无需再次进行染色体定位，最大程度地兼顾了基因组的完整性和测序成本。
[0008]本专利技术在使用FGAP关闭200bp以下的小gap区域的基础上，利用衣藻的原始三代测序数据序列及其初步组装后的DNA片段进行比对，并采用本专利技术的python脚本，实现了200
‑
1000bp和1000bp以上的gap区域的关闭，较大程度地提高了基因组的完整性。
[0009]作为优选，步骤(2)和(4)中，使用所述python脚本关闭gap区域的具体方法如下：情况1：材料序列A与待修饰序列之间存在匹配区域1和匹配区域2，所述匹配区域1和匹配区域2位于待修饰序列中的gap区域两端，且所述匹配区域1和匹配区域2在待修饰序列中的上下游位置关系与在材料序列A中的上下游位置关系相同，材料序列B与所述gap区域一端存在匹配区域，选择材料序列A中与gap区域相同位置处的序列填补所述gap区域；在步骤(2)中，所述原始三代测序数据序列作为材料序列，所述初步修饰后的基因组作为待修饰序列；在步骤(4)中，所述初步组装后的DNA片段作为材料序列，所述第二次修饰后的基因组作为待修饰序列。
[0010]在python脚本中，根据材料序列与待修饰序列之间的匹配情况，选择用于填补gap区域的材料序列。
[0011]在情况1中，由于材料序列A与待修饰序列之间在gap区域的两端均存在匹配序列，而材料序列B与待修饰序列之间只在gap区域的一端存在匹配区域，因此，采用材料序列A填补gap区域，能获得更高的准确性。
[0012]作为优选，步骤(2)和(4)中，使用所述python脚本关闭gap区域的具体方法如下：情况2：材料序列A与待修饰序列之间存在匹配区域1和匹配区域2，所述匹配区域1和匹配区域2位于待修饰序列中的gap区域两端，且所述匹配区域1和匹配区域2在待修饰序列中的上下游位置关系与在材料序列A中的上下游位置关系相反，材料序列B与所述gap区域一端存在匹配区域3，选择材料序列B中与gap区域相同位置处的序列填补所述gap区域。
[0013]在情况2中，由于匹配区域1和匹配区域2在待修饰序列中的上下游位置关系与在材料序列A中的上下游位置关系相反(例如，在待修饰序列中，匹配区域1位于匹配区域2的上游，而在材料序列A中，匹配区域1位于匹配区域2的下游)，表明材料序列A与待修饰序列之间的匹配区域可能是由于错配造成的，因此选取材料序列B作为填补gap区域所用材料。
[0014]作为优选，步骤(2)和(4)中，使用所述python脚本关闭gap区域的具体方法如下：情况3：材料序列A与待修饰序列之间存在匹配区域1和匹配区域2，所述匹配区域1和匹配区域2位于待修饰序列中的gap区域两端，且所述匹配区域1和匹配区域2在材料序列A中存在重叠，材料序列B与所述gap区域一端存在匹配区域3，选择材料序列B中与gap区域相同位置处的序列填补所述gap区域。
[0015]在情况3中，由于匹配区域1和匹配区域2之间存在重叠，材料序列A中不存在能用于填补gap区域的序列，其与带修饰序列之间的匹配区域可能是由于错配造成的，因而选取材料序列B作为填补gap区域所用材料。
[0016]当python脚本中同时包含上述3种情况时，能够关闭大部分gap区域，使基因组具
有更高的完整性。
[0017]进一步地，在情况1中，待修饰序列中gap区域到匹配区域1和/或匹配区域2的序列与材料序列A中相应位置的序列存在不匹配区域，在填补gap区域时不更改待修饰序列中的所述不匹配区域。
[0018]进一步地，在情况2或情况3中，带修饰序列中gap区域到匹配区域3的序列与材料序列B中相应位置的序列存在不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种衣藻染色体水平的基因组组装方法，其特征在于，包括以下步骤：（1）利用衣藻的原始三代测序数据序列，通过FGAP工具对衣藻二代测序获得的原始基因组进行修饰，以关闭长度为200bp以下的gap区域，获得初步修饰后的基因组；（2）将原始三代测序数据序列与初步修饰后的基因组进行比对，使用python脚本关闭长度为200
‑
1000bp的gap区域，获得第二次修饰后的基因组；（3）根据reads之间的重叠区域，对原始三代测序数据序列进行初步组装，获得初步组装后的DNA片段；（4）将初步组装后的DNA片段与第二次修饰后的基因组进行比对，根据比对结果，使用python脚本提取所需序列，关闭长度为1000bp以上的gap区域，实现基因组组装。2.如权利要求1所述的基因组组装方法，其特征在于，步骤（2）和（4）中，使用所述python脚本关闭gap区域的具体方法如下：情况1：材料序列A与待修饰序列之间存在匹配区域1和匹配区域2，所述匹配区域1和匹配区域2位于待修饰序列中的gap区域两端，且所述匹配区域1和匹配区域2在待修饰序列中的上下游位置关系与在材料序列A中的上下游位置关系相同，材料序列B与所述gap区域一端存在匹配区域，选择材料序列A中与gap区域相同位置处的序列填补所述gap区域；在步骤（2）中，所述原始三代测序数据序列作为材料序列，所述初步修饰后的基因组作为待修饰序列；在步骤（4）中，所述初步组装后的DNA片段作为材料序列，所述第二次修饰后的基因组作为待修饰序列。3.如权利要求2所述的基因组组装方法，其特征在于，步骤（2）和（4）中，使用所述python脚本关闭gap区域的具体方法如下：情况2：材料序列A与待修饰序列之间存在匹配区域1和匹配区域2，所述匹配区域1和匹配区域2位于待修饰序列中的gap区域两端，且所述匹配区域1和匹配区域2在待修饰...

【专利技术属性】
技术研发人员：王宝祺，马飞学，
申请(专利权)人：王宝祺，
类型：发明
国别省市：