PacBio HiFi 纯三代:目前的黄金标准。HiFi 读长长且单碱基准确率高(>99.9%)。通常不需要再配二代数据去矫正错配,直接一步到位成环。
Nanopore + 二代杂合: 经济实惠的组合。Nanopore 读长更长,用来搭骨架(Scaffold);由于 Nanopore 在连续单碱基重复区域容易有 Indel(插入/缺失)错误,因此必须用高准确率的二代 Illumina 数据进行Polishing,否则可能会导致后续预测基因时发生移码突变。
严格意义上的细菌完成图需要满足以下条件:
Contig 数量 = 染色体数量(通常为 1) + 质粒数量。
每一个 Contig 的两端都有Overlap,表明已经物理成环。
整个基因组序列中 0 Gap。
碱基质量达到高标准(如 Q40以上)。
细菌的染色体是环状的,在自然界里它没有“头”和“尾”。但是电脑文件(FASTA 格式)必须有一个物理上的第一位碱基。
如果不校正,软件会随机指定一个地方作为起点断开。
小质粒拷贝数可能极高,导致它的测序深度是核 DNA 的数百倍。有些组装软件在过滤“超高深度异常数据”时,会误把小质粒数据当成污染过滤掉。
前期三代建库时(如选片段 >10 kb 才会去测序),导致几 kb 的小质粒根本没有被测到。遇到这种情况,通常需要依赖二代数据组装来召回小质粒。