來源：測(cè)序中國(guó)       時(shí)間：2021-01-08

       新基因組組裝是基因組學(xué)最重要的任務(wù)之一。三代測(cè)序技術(shù)（PacBio和Oxford Nanopore）可解決基因組重復(fù)區(qū)域的組裝難題，提高基因組完整性，已成為基因組組裝主流技術(shù)。其中，納米孔（Nanopore）測(cè)序技術(shù)的迅速發(fā)展更使得測(cè)序成本顯著降低，并且由于其可實(shí)現(xiàn)超長(zhǎng)讀長(zhǎng)（高達(dá)1Mbp），在復(fù)雜基因組組裝中具有天然優(yōu)勢(shì)。然而，目前Nanopore的測(cè)序錯(cuò)誤分布廣泛（10-30%，圖1A），存在高錯(cuò)誤局部區(qū)域（1000bp中存在50%測(cè)序錯(cuò)誤，圖1B），并且高錯(cuò)誤局部區(qū)域的發(fā)生隨著測(cè)序讀長(zhǎng)增加而顯著增加（圖1C），從而導(dǎo)致超長(zhǎng)文庫數(shù)據(jù)中20-30%的序列存在高錯(cuò)誤區(qū)域。現(xiàn)有的錯(cuò)誤校正軟件只能通過裁剪的方式剔除高錯(cuò)誤局部區(qū)域，顯著降低了Nanopore序列完整性和組裝完整性。 

圖 1. Nanopore測(cè)序錯(cuò)誤分布特征 

       針對(duì)Nanopore測(cè)序錯(cuò)誤特征，中山大學(xué)中山眼科中心肖傳樂/劉奕志團(tuán)隊(duì)和中南大學(xué)王建新團(tuán)隊(duì)于2021年1月4日在Nature Communications雜志上聯(lián)合發(fā)表題為“Efficient assembly of Nanopore reads via highly accurate and intact error correction”的研究論文，提出了Nanopore漸進(jìn)式校正組裝模型，并開發(fā)了相應(yīng)的軟件NECAT。 

文章發(fā)表在Nature Communications上 

       研究者提出了漸進(jìn)式序列校正策略，首先選擇高精度的序列校正錯(cuò)誤率的區(qū)域（圖2B），之后優(yōu)選校正后高精度序列校正高錯(cuò)誤局部區(qū)域，從而保證了序列校正速度和完整性（圖2C）；此外，研究者還提出漸進(jìn)式組裝策略，通過校正后高精度的序列組裝基因組骨架（圖2D），之后通過原始序列提升基因組完整度（圖2E），從而保證基因組組裝結(jié)果的正確性和完整性。研究者將上述模型開發(fā)了NECAT軟件，開放給國(guó)內(nèi)外其他科研人員，進(jìn)行長(zhǎng)達(dá)1年的體驗(yàn)提升。 

圖2. NECAT校正組裝流程圖 

       隨后，研究者收集了多種模式生物Nanopore數(shù)據(jù)集進(jìn)行性能測(cè)試，結(jié)果表明：NECAT校正后序列平均精度可達(dá)95-98%，可恢復(fù)原始數(shù)據(jù)中99%的高錯(cuò)誤局部區(qū)域（HERS），從而保留了序列長(zhǎng)度完整性（表1）；NECAT組裝完整性明顯高于同類校正組裝軟件，且組裝錯(cuò)誤量顯著低于同類軟件。另外，研究者將NECAT校正結(jié)果與多個(gè)組裝軟件結(jié)合使用發(fā)現(xiàn)，NECAT校正結(jié)果能顯著提高其它Nanopore組裝軟件的組裝質(zhì)量。 

表1. NECAT序列錯(cuò)誤校正性能評(píng)估 

最后，研究者完成了視網(wǎng)膜母細(xì)胞瘤Nanopore測(cè)序，并應(yīng)用NECAT組裝出了完整度較高的母細(xì)胞瘤癌癥基因組，通過組裝結(jié)果發(fā)現(xiàn)了很多高精度結(jié)構(gòu)變異（SV）位點(diǎn)，其中很多位點(diǎn)都與目前研究報(bào)道和功能預(yù)測(cè)相符（圖3）。與原始數(shù)據(jù)SV檢測(cè)方法相比，NECAT組裝結(jié)果檢測(cè)SV精度顯著高于目前SV檢測(cè)方法。上述結(jié)果表明，通過NECAT序列校正能夠顯著減少高錯(cuò)誤區(qū)域所造成的SV假陽性結(jié)果。

圖3. 視網(wǎng)膜母細(xì)胞瘤基因組染色體圖譜及SV位點(diǎn) 

       綜上所述，該研究提出的漸進(jìn)式校正組裝方法可以有效解決Nanopore復(fù)雜測(cè)序錯(cuò)誤問題，顯著提高了Nanopore數(shù)據(jù)組裝完整性、正確性和數(shù)據(jù)利用率。另外，通過NECAT序列校正，可以有效降低高錯(cuò)誤區(qū)域SV的假陽性。 

   陳穎博士：中山大學(xué)中山眼科中心副研究員，長(zhǎng)期從事三代測(cè)序基礎(chǔ)算法研究，以第一作者在Nature Methods，Nature Communications， Nucleic Acids Research等雜志發(fā)表多篇文章。  

       聶藩博士：中南大學(xué)計(jì)算機(jī)學(xué)院博士生。主要從事基因組組裝算法研究。  

       謝尚潛博士：海南大學(xué)林學(xué)院教授，主要從事三代測(cè)序數(shù)據(jù)分析工作。目前以第一或通訊在Nature Methods, Nature Communications, Nucleic Acids Research，Horticulture Research等雜志發(fā)表論文20余篇。 

      王建新：中南大學(xué)計(jì)算機(jī)學(xué)院教授、博士生導(dǎo)師、計(jì)算機(jī)學(xué)院院長(zhǎng)。IEEE高級(jí)成員、國(guó)務(wù)院學(xué)位委員會(huì)第七屆學(xué)科評(píng)議組成員（計(jì)算機(jī)科學(xué)與技術(shù)組），國(guó)家973計(jì)劃前期研究專項(xiàng)項(xiàng)目“信息處理算法及物理實(shí)現(xiàn)”首席科學(xué)家。主要研究方向計(jì)算機(jī)算法與優(yōu)化、網(wǎng)絡(luò)優(yōu)化理論、大數(shù)據(jù)應(yīng)用、深度學(xué)習(xí)、生物信息學(xué)、虛擬實(shí)驗(yàn)環(huán)境等。在Nature Communications、Genome Research、Medical Image Analysis等國(guó)際刊物和會(huì)議上發(fā)表論文200余篇。 

       肖傳樂：中山大學(xué)中山眼科中心副研究員、碩博士生導(dǎo)師、廣東省杰出青年基金獲得者，長(zhǎng)期從事三代測(cè)序前沿技術(shù)開發(fā)及應(yīng)用研究。主持開發(fā)了三代測(cè)序組裝方法MECAT，MECAT2，NECAT和三代測(cè)序表觀修飾檢測(cè)方法DeepMod，在Nature Methods，Molecular Cell和Nature Communications等雜志上發(fā)表論文40余篇。