云之南

http://blog.sina.com.cn/s/blog_4af3f0d20100fq5i.html

短序列组装（Sequence assembly）几乎是近年来next-generation sequencing最热门的话题。简单来说，就是把基因组长长的序列打断(shotgun sequencing)，因为我们不知道基因组整条序列是如何排列（成一条链，最后成为一条染色体）组合（如何区分不同染色体）的，而我们又无法实现一次把整条长序列完整测序（现在有单子测序可能是一个新的sunlight)。然后，我们通过算法，计算机的帮助，把这些短的序列组装起来成为一条完整有序的序列。

就好比我们有这样一句话：

    it is just a hypothesis, so don't be seriously！

    假设，我们现在不知道这句话到底是什么，就像我们有一个box，我们抽到一张纸，但没打开，我们把这张纸撕成pieces，当然可能还发生了变化，所有的空格和标点都消失了（魔术！）我们得到：

    itis ypo stah the sodo eriou siss ju ntbes sly……

    因为我们测了几次，为了增加覆盖度，这样我们能通过高覆盖度而提高置信度：

    itis ypo stah the sodo eriou siss ju ntbes sly tis yopth sodon beser beser ssod iti sju……

    另外，我们又发明了一种称作为paired-ends的序列测序方法，即两头定长，中间插入片段一定的序列，像这样：

    iti*****ahyp sju*****pot the*****don sod*****ser bes*****sly ……

    这样我们根据如下图的方法，我们可以把这句话拼回来：

     itisjustahypothesissodontbeseriously

但它不是最终结果，我们根据我们的现有的语法习惯，我们给它们加上空格（gap)和标点（遗漏的关键东西），我们能够还原原话！

第一：介绍一下组装的方法：

方法一：对序列进行组装,如果是重测序,可以用MAQ进行组装：Map to reference genome

方法二：如果是对新物种进行(de novo)测序,用velvet进行组装：De novo assembly

第二：组装的原理和流程图：

方法一和方法二的区别是有无参考基因组（reference genome）：下面是有参考基因组的一个结果显示

Mapping short reads to a reference

Eland

aligner for Illumina data

alignment policies:

??allows up to 2 mismatches/alignment

??non-unique alignments are discarded

Maq

??quality aware - takes seq quality into

  account

??allows non-unique alignments

Index methods

??reference genome is loaded into active

 memory as k-mers

??very fast alignments

??SOAP

??Bowtie

SNP detection, paired-end mapping, RNA-seq, ChIP-seq, etc.

Analysis depends on application

Mapping to reference genome

??useful for interrogating the “known” genome

??RNA sequencing

??ChIP sequencing

??SNP detection (targeted and whole-genome)

??methyl-seq

??CNV detection (sometimes)

De novo assembly

??no genome sequence

??unbiased ascertainment of variation in

  known genome by whole-genome reseq

第三：short reads alignment by MAQ

第四：velvet示意图：

    通过上述两种方法可以完成高通量短序列数据的组装，但事实它并不简单，因为基因组中含有大量的重复序列（Repeats），多态性变异（Polymorphism），测序错误（Sequencing error)，这三个方面就是组装过程中出现组装错误的主要来源.

参考资料：http://blog.sina.com.cn/s/blog_4860086b0100dnos.html

http://seqanswers.com/forums/showthread.php?t=1024

lei 说:
 你安装上了没有？
 我感觉是很是复杂
 我看了一下说明，好像de novo assembly 只是第一步，后面全是注释的
 你用QQ吗
霈 说:
 我记得Trans-ABySS不是组装工具
Trans-ABySS是用来分析ABySS组装结果的工具，组装仍应该是用ABySS
我不用QQ
lei 说:
 对的，我也是这样感觉的
 因为，我看那个文章中说了，组装还是用的ABySS

 他的用法说明 也是这样，说的
霈 说:
 由于在转录组组装中，选择kmmer的不同，对与具有不同表达量的基因组装的效果也不同，Trans-ABySS可以将不同kemmer的组装结果merge起来，以对于某个基因得到最好的结果。
lei 说:
 哦
 那它是de novo assembly 吗
霈 说:
 是的
lei 说:
 谢谢
 我试一下
 那你们现在是怎么做的
霈 说:
 用ABySS组装，然后用Trans-ABySS处理组装后的结果
lei 说:
 就是用ABySS,设置不同的Kmer,把这些不同Kmer结果,做为一个输入，用Trans-ABySS处理?这样，我感觉没有从本质上解决问题呀
 如果ABySS组装的不好，后面怎么优化感觉也不行吧
霈 说:
 下载Trans-ABySS压缩包后，解压，然后用utilities文件夹中的MergeContigs程序处理
 所以使用ABySS时，要选择不同的kmmer进行组装，一个kemmer无法将所有的基因都装好
 至于用Trans-ABySS注释方面，我没用过，不太了解
lei 说:
 哦
 那SOAPdenovo呢
霈 说:
 同样的原理，可以用SOAPdenovo组装，然后用cap3连，但SOAPdenovo的效果不如ABySS
当然也可以用ABySS组装，然后用cap3连
用cap3连的话，那等于连长更长的contig,就是SCAFFOLD了
霈 说:
 可以那么说
lei 说:
 那你们的SOAPdenovo是一样的呀
 然后再用TGICL聚类
霈 说:
 主要是将不同kmmer下组装的相同基因聚成一个scaffold