转录组Denovo手册(无答案)
denovo-技术支持类-基因组denovo组装新技术
图1 10X Genomic linked-reads辅助基因组组装流程图表1 不同组装策略组装人的基因组大小和ScaffoldN50长度[1]随着技术的发展，越来越多的物种完成了基因组的测序工作。
但基于二代测序短读长的限制，制约了参考基因组的组装质量，从而影响了后续研究工作的开展。
如今，我们可以利用更多的新技术，如10X Genomics，BioNano，ChiCago等，将基因组组装结果进行完善，进一步构建出高质量的参考基因组。
10X Genomics linked-reads10X Genomics公司通过在序列中引入barcode序列，能够得到跨度在50-100Kb的linked reads信息，与二代测序数据相结合，在Scaffold 的组装上能够得到媲美三代测序的组装结果（表1）。
展开阅读10X Genomic linked-reads辅助基因组组装流程如下图所示：图2 光学图谱工作流程图表3 利用Chicago技术提升相应的指标图3 Chicago文库构建流程图[6]Chicago文库构建流程如下：基因组 de novo 组装新技术助力文章冲刺新高度[1] Mostovoy Y, Levy-Sakin M, Lam J, et al. A hybrid approach for de novo human genome sequence assembly and phasing[J]. Nature methods, 2016. 阅读原文>>/nmeth/journal/v13/n7/abs/nmeth.3865.html[2] Pendleton M, Sebra R, Pang A W C, et al. Assembly and diploid architecture of an individual human genome via single-molecule tech-nologies[J]. Nature methods, 2015. 阅读原文>>/s?wd=paperuri:(ac8d0768*******de9b67e959e5d924b)&filter=sc_long_sign&sc_ks_para=q%3DAssembly+and+diploid+architecture+of+an+individual +human+genome+via+single-molecule+technologies.&tn=SE_baiduxueshu_c1gjeupa&ie=utf-8&sc_us=14004045691020250024[3] VanBuren R, Bryant D, Edger P P , et al. Single-molecule sequencing of the desiccation-tolerant grass Oropetium thomaeum[J]. Nature, 2015. 阅读原文>>/s?wd=paperuri:(4f4baa5f458c3598ebfa32b1017a4569)&filter=sc_long_sign&sc_ks_para=q%3DSingle-molecule+sequencing+of+the+desiccation-tolera nt+grass+Oropetium+thomaeum.&tn=SE_baiduxueshu_c1gjeupa&ie=utf-8&sc_us=3671601047694710580[4] Dong Y, Xie M, Jiang Y, et al.Sequencing and automated whole-genome optical mapping of the genome of adomestic goat (Capra hircus). Nature biotechnology, 2013, 31(2): 135-141. 阅读原文>>/nbt/journal/v31/n2/full/nbt.2478.html [5] Zhang Q, Chen W, Sun L, et al. The genome of Prunus mume. Nature communications, 2012, 3: 1318. 阅读原文>>http://pubmedcentralcanada.ca/pmcc/articles/PMC3535359/[6] Bredeson J V, Lyons J B, Prochnik S E, et al. Sequencing wild and cultivated cassava and related species reveals extensive interspecific hybridization and genetic diversity[J]. Nature biotechnology, 2016, 34(5): 562-570. 阅读原文>>/s?wd=paperuri:(030555bb483ea9f72bf308bf22787f02)&filter=sc_long_sign&sc_ks_para=q%3DSequencing+wild+and+cultivated+cassava+and+related +species+reveals+extensive+interspecific+hybridization+and+genetic+diversity.&tn=SE_baiduxueshu_c1gjeupa&ie=utf-8&sc_us=13838504648880517513[7] Putnam N H, O'Connell B L, Stites J C,et al. Chromosome-scale shotgun assembly using an in vitro method forlong-range linkage[J]. Genome research, 2016, 26(3): 342-350. 阅读原文>>/s?wd=paperuri:(4c8ec46542c7e21bfa15ae10f7a9f8bf)&filter=sc_long_sign&sc_ks_para=q%3DChromosome-scale+shotgun+assembly+using+an+in+vit ro+method+for+long-range+linkage.&tn=SE_baiduxueshu_c1gjeupa&ie=utf-8&sc_us=36575566455777547参考文献Chicago技术（体外Hi-C 技术）作为提供长距离连接数据的组装提升方法，Chicago技术不仅能够获得长序列连接信息，还能帮助组装提升到染色体水平，该技术使用效率高、操作简便、经济性强，并且产生的高质量文库能够更好地应用于后期组装或研究。
《Denovo技术介绍》PPT课件
DNA测序
Nanopore是对DNA链直接测序可以直接 测序同时直接检测碱基修饰。 获得DNA链上的甲基化修饰结果，较 PacBio更为准确有效
目录
Hi-C 技术
Hi－C技术，一种高通量染色体构象捕获技术（High-throughput chromosome conformation capture），可以实现单个样本辅助基因组组装，使基因组达到染色体水 平
《Denovo技术介绍》PPT课件
本课件仅供大家学习学习 学习完毕请自觉删除
谢谢 本课件仅供大家学习学习
学习完毕请自觉删除 谢谢
目录
什么是Denovo？
也叫从头测序。是指对基因组序列未知或没有近源物种基 因组信息的某接、组 装和注释，从而获得该物种完整的基因组序列图谱。
Pacific Bio 测序缺点
错误率高达12.5%，每读8个碱基，就有一个是读错的，错误类型多 为“插入”，即会多读一个碱基。测序错误是随机的，可以通过测序深 度的提高来校正。
目录
BioNano光学图 谱技术
技术原理
BioNano光学物理图谱技术，简而言之是利用单链酶切技术在DNA上 做荧光标记，再通过纳米孔道对长达几百kb的长链DNA单分子线性化，经 过高分辨率光学系统进行拍照，在较短时间获得更完整的基因图谱，在辅助 基因组组装和结构变异（structural variants，SV）检测等方面有广泛的应 用。
主要产品
人类基因组测序
动植物基因组测序 细菌基因组测序 真菌基因组测序 宏基因组测序
测序工具
一代测序-sanger 二代测序-illumina 三代测序PB/Bionano/nanopore
原理
优势
劣势
无参考基因的转录组分析
二、信息分析流程
1、产量统计
原始序列数据
测序得到的原始图像数据经 base calling 转化为序列数据，我们称之为 raw data 或 raw reads，结果以 fastq 文件格式存储，fastq 文件为用户得到的最原始文件，里面存储 reads 的序列以及 reads 的测序质量。在 fastq 格式文件中每个 read 由四行描述： \@FC61FL8AAXX:1:17:1012:19200#GCCAAT/1 CCACTGTCATGTGAACATCACAGAGACATTTCTTGA + bbbbbbbbbbbbbbbbbbbbbbbbbaaaaaaaaa_\\
y y
[1]
2 p(i | x) （当 p(i | x) 0.5 时）
i 0 i 0
或者
y y
2(1 p(i | x)) （当 p(i | x) 0.5 时）
i 0 i 0
其中
p(i | x) (
N2 i ) N1
( x i )! N x! y!(1 2 ) ( x i 1) N1
Clean Reads 数据
原始序列数据经过去除杂质后得到的数据。产量统计和后续信息分析分析都基于 Clean Reads。
测序产量统计表格示例
Samples
Total Reads
Total Nucleotides (nt)
Q20 percentage
N percentage
GC percentage *
基因注释到 GO 条目结果文件示例
GO 条目与 All-Unigene 对应结果文件示例
5、Unigene 代谢通路分析
KEGG 是系统分析基因产物在细胞中的代谢途径以及这些基因产物的功能的数据库，利 用 KEGG 可以进一步研究基因在生物学上的复杂行为。 根据 KEGG 注释信息我们能进一步得到 Unigene 的 Pathway 注释。
动植物基因组de novo常见问题
动植物基因组de novo常见问题基础知识1、什么是基因组de novo测序答：对某一物种进行高通量测序，利用高性能计算平台和生物信息学方法，在不依赖于参考基因组的情况下进行组装，从而绘制该物种的全基因组序列图谱。
2、普通基因组的定义答：单倍体，纯合二倍体或者杂合度<%，且重复序列含量<50%，GC 含量为35%到65%之间的二倍体。
3、复杂基因组的定义答：杂合率＞%，重复序列含量＞50%，GC含量处于异常的范围（GC 含量＜35%或者GC含量＞65%＝的二倍体，多倍体。
诺禾致源对二倍体复杂基因组进一步细分为微杂合基因组（%＜杂合率＜%＝、高杂合基因组（杂合率＞%）以及高重复基因组（重复序列比例>50%）。
4、怎么查询基因组的大小答：查询植物基因组大小的网站：；查询动物基因组大小的网站：。
、5、基因组的项目周期6、基因组承诺的组装指标答：简单基因组：contig N50>20K，scaffold N50>500K；复杂基因组：contig N50>20K，scaffold N50>300K。
样品要求1、动植物基因组测序对取样有什么要求答：植物：需要黑暗无菌条件下培养的黄化苗、组培苗，基因组样本量500μg~1mg，越多越好。
选择纯合或杂合度尽可能小的样品（杂合度<%）。
动物：应选取肌肉、血液等含脂肪较少的部位取样，尽量选择同一个体取样，以减少个体差异性对后续拼接的影响。
基因组样本量500μg~1mg，越多越好。
样本的性别决定模式是XY型，则尽量选择雌性个体（XX型），如果是ZW型，则尽量选择雄性个体（ZZ型）。
2、全基因组测序对DNA样本有什么要求答：（1）样品需求量（单次）：小片段文库，≥3μg；2Kb~5Kb大片段文库，≥20μg；10Kb~20Kb大片段文库，≥60μg；完成全基因组测序样品DNA量需求约为500μg~1mg；（2）样品浓度：对于小片段文库，≥50ng/μl，对于2Kb~5Kb 大片段文库，≥150ng/μl；对于10Kb~20Kb大片段文库，≥150ng/μl；（3）样品纯度：OD260/280=~；无蛋白质、RNA污染或肉眼可见杂质污染；（4）样品质量：基因组完整。
二代测序 denovo 流程
一、概述二代测序（Next Generation Sequencing, NGS）技术的广泛应用，使得基因组学研究取得了长足的进步。
其中，二代测序denovo流程是利用NGS技术对未知生物样本进行全基因组测序，并在此基础上进行基因组组装和注释的过程。
本文将对二代测序denovo流程进行深入探讨，从数据处理到基因组组装和注释等方面进行详细介绍。
二、数据处理在进行denovo全基因组测序之前，首先需要进行数据处理。
数据处理包括测序数据的质量控制、序列过滤和去除低质量序列等步骤。
在质量控制方面，可以利用软件对测序数据进行质量评估，筛选出高质量的测序数据用于后续分析。
针对测序数据中可能存在的接头序列和低质量碱基，需要进行序列过滤和去除低质量序列的处理，确保后续的组装和注释过程能够得到准确的结果。
三、基因组组装基因组组装是denovo流程中的关键步骤，主要是将测序得到的短序列reads进行拼接，重建成完整的基因组序列。
目前，常用的基因组组装算法包括SOAPdenovo、Velvet、ABySS等。
这些算法能够根据reads之间的重叠信息和kmers的频率进行拼接，得到较为完整的基因组序列。
对于大规模基因组的组装，还可以采用高通量测序技术辅助组装，如mate p本人r测序或二代测序测序辅助第三代测序（Hybrid Assembly）等方法。
四、基因组注释基因组注释是denovo流程中的另一个重要步骤，主要是对组装得到的基因组序列进行基因预测、基因功能注释和通路分析等。
在基因预测方面，可以利用软件对基因组序列进行Open Reading Frame （ORF）预测和基因预测，以确定基因的位置和编码序列。
在基因功能注释方面，可以利用生物信息学数据库和工具对基因进行功能和结构注释，帮助研究人员理解基因的生物学功能和作用。
为了进一步了解基因的生物学功能和相互作用，还可以进行通路分析，探究基因在生物体内的作用机制。
五、应用与发展二代测序denovo流程在生命科学研究中有着广泛的应用与发展前景。
大刍草苗期转录组RNA—Seq数据的denovo拼接
玉米 属 于 禾本 科 （ Ｐ ｏ ａ ｃ ｅ ａ ｅ ） 玉蜀黍属 （ Ｚ ｅ ａ ） ， 玉 义上 包 括 了 ｍＲＮＡ、 ｎ ｏ ｎ － ｃ ｏ ｄ ｉ ｎ ｇ ＲＮＡ 等 ） ， 进 而 推
蜀黍 属 又 被 划 分 成 ５个 种 ， 分别是 Ｚ ． ｄ ｉ ｐ ｌ ｏ ｐ ｅ ｒ ｅ ｎ — 断完整的基因结构， 确定选择性剪切事件 ， 研究在不
比对研 究 。结 果 表 明 ： 转 录组 测 序 共 得 到 了 ４ ６ ． ４ Ｇ Ｂ的原始数据， 归并 整理后 获得长 ７ ６ ｂ ｐ的序 列 有
１ ７ ５ １ ０ １ ２ ５ ０ 条， 经 质量控制 和 ｄ ｅ 舢ｌ Ｕ ｏ拼接后 ， 共获得 了 ５ ８ １ ４ ７条大刍 草转 录本 ， 其平均长 度为 １ ３ ３ ５ ｂ ｐ 。比对 分 析发现其中 ９ ４ ． ３ ％的转录本和玉米 Ｂ ７ ３自交系 的 ｃ Ｄ ＮＡ序 列有较好 的匹配 ， 与水 稻 匹配 的有 ８ ４ ． １ ， 高粱
Ｚ ． ｍａ ｙ ｓ ｓ ｓ ｐ ． ｍｅ ｘ ｉ ｃ ａ ｎ ａ和 Ｚ． ｍａ ｙ ｓ ｓ ｓ ｐ ． ｍａ ｙ ｓ聚在 本 ； 而 基 于 高 通 量 测 序 的 ＲＮＡ— Ｓ ｅ ｑ技 术 则 可 以较
一
类， 后续 对 叶绿体 、 核糖 体 的研 究也 得 到 了相 似结 为全 面地 、 对 几乎 全部 的 Ｒ ＮＡ 转 录本 进行分 析 。 根据 所 研 究 的 物 种 是 否 有 参 考 基 因 组 信 息 ， 的序 列拼 接 和 ｄ ｅ ｎ Ｏ Ｖ Ｏ序 列 拼接 ， 或 当基 因组 信 息
ｎ ｉ ｓ 、 Ｚ ． ｐ ｅ ｒ ｅ ｎ ｎ ｉ ｓ 、 Ｚ ． １ ｕ ｘ ｕ ｒ ｉ ａ ｎ ｓ 、Ｚ ． ｎ ｉ ｃ ａ ｒ ａ ｇ ｕ ｅ ｎ ｓ ｉ ｓ 和 同组 织 、 不 同发育 阶段 、 不 同实验 处 理 中的相关 基 因
SOAPdenovo_Readme
IntroductionSOAPdenovo is a novel short-read assembly method that can build a draft assembly for the human-sized genomes. The program is specially designed to assemble Illumina GA. It creates new opportunities for building reference sequences and carrying out accurate analyses of unexplored genomes in a cost effective way. SOAPdenovo是一种新型的short-read装配方法,可以建立一个de novo组装人l类大小的基因组草案。
这个程序是为装配Illumina测序 short reads特别设计的。
它以一种高效益的方式为建立参考序列和计算出精确的未知基因组创造了新的机会。
System RequirementSOAPdenovo aims for large plant and animal genomes, although it also works well on bacteria and fungi genomes. It runs on 64-bit Linux system with a minimum of 5G physical memory. For big genomes like human, about 150 GB memory would be required.SOAPdenovo虽然也能在细菌和真菌基因组也能很好的运行但它的目标是大的植物和动物的基因组。
它运行在最小内存5G的64位Linux系统上。
像人类的大基因组，大约需要150G内存。
无参转录组序列组装及实际操作
2019/11/29
实际操作
核心蛋白比对率评估：
• mkdir assemblyevaluation #创建结果存放目录 • vi cegmer.sh #生成脚本
2019/11/29
Trinity组装习题
请将以下真菌数据拷贝到自己的PMO下（自己任意命名一 个文件夹即可），根据本节所学习到的知识完成数据的组装， 并对各项指标做统计。 数据路径：/home/chenxi/Trinity/practice 数据量大小：每个样本数据大小1M
框移错误导 致的缺口以 及过早终止
的比例。
2019/11/29
组装评估
判断标准： ① 无外源物种污染。
② 比对率大于80%。
组装评估
物种近缘性 良好 CDS序列相 对完整 60%以上
注释比率 核心蛋白 比对率
80%以上
准确性
2019/11/29
Stop Codon比率20%以下
Trinity参数调整
cat /home/chenxi/Trinity/clean/ Sp.ds.right.fq /home/chenxi/Trinity/ clean/ Sp.hs.right.fq> /home/chenxi/Trinity/fq/reads_2.fq
2019/11/29
实际操作
• 生成组装的shell:vi triniy.sh
物种。 优点：不依赖任何的参考基因组。 缺点：假阳性问题。
2019/11/29
组装效果统计
2019/11/29
Trinity简介
• Trinity是一款高效且稳定的以RNA-Seq为基础从头组装 转录组的软件。
• Trinity包含三个独立的软件模块： a. Inchworm(C++) b. Chrysalis(C++) c. Butterfly(Java) • 通过有秩序的对大规模的RNA-seq reads 数据进行读取，
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
对于初级分析的项目，只需要给合作伙伴提供过滤后的数据即可，所以会对过滤后的数 据做dt1h LReenagdt2h
N3Z5123 FUNzPTEARAA 503060871000;536871 5725.71;52. 99.9971;99. 75 75
确定的？我们所说的插入片段长度是指 括了 read1 和 read2 本身的长度？
read1
和
read2
之间没有测到的那一段的长度还是包
1112..什解么释是Soilnedxeax测测序序中，几进个行关in键de的x技测术序：的边主合要成目边的测是序什（么S？BS），可逆阻断技术和桥式 。 PCR
2.信息分析流程：
软件（Conesa, A., S. Gotz, et al. (2005). "Blast2GO: a universal tool for annotation, visualization 得到 的 and analysis in functional genomics research." Bioinformatics 21(18): 3674-6.) Unigene
Unigene
相似根性的据蛋KE白G，G从注而释得信到息该我U们n能ige进ne一的步蛋得白到功U能ni注ge释ne信的息P。athway 注释。
统计我，如们将下图Un所ig示en：e 和 COG 数据库进行比对，预测 Unigene 可能的功能并对其做功能分类
根据nr注释信息我们能得到GO功能注释。我们根据nr注释信息，使用 （ ） Blast2GO 2.3.5
本节问题： 1.Q20 是什么意思？ 2.BMS 系统上给出的 Q20%值是如何计算出来的？ 3.转录组暂时执行数据质量标准是怎样的？你有什么更好的建议（拿出自己的测试数据）？ 4.在统计数据信息时，read1 和 read2 长度相等吗？ 5.read每个碱基测序错误率的分布如何？read测序长度增加有什么好处？为什么SOAP比对 的时候允许 3’端有更多的错配？ 6.如何根据 BMS 上的碱基频率分布图查找建库或测序失败的问题？
G得O到注每释个信U息nig。enBela的st2GGOO注已释被后其，我它们文用献引W用EG超O过软1件50(
次，是同行广泛认可的 Ye, J., L. Fang, et al.
G(2O00注6)释. 软"W件EG。O:
a web tool for plotting GO annotations." Nucleic Acids Res 34(Web Server issue):
2.3 功能注释
原理： 首 先 ， 通 过 （ ） 将 blastx blast-2.2.18 Unigene 序 列 比 对 到 蛋 白 数 据 库
Swiss-Prot(ftp:///pub/databases/uniprot_datafiles_by_format/fasta/),
11..3 本 在建节库问过题程：中，我们是先对RNA进行片段化后合成cDNA还是先用RNA合成cDNA再对cDNA
进行片段化？为什么要这样做？
2. 3.
相名对词于解生释：物芯插片入，片华段大的测序有什么优势?
4. 5.
f名as词tq解文释件：中Praeiar-desn的d r格ea式ds是怎样的？
W293-7.)对所有 Unigene 做 GO 功能分类统计，从宏观上认识该物种的基因功能分布特征。
如下图所示：
本节问题： 1.用 blast 比对时，blast 格式的选择和 evalue 阈值的设定是怎样的？ 2．为什么我们会去掉较短的组装序列，选用大于 200 的序列比对？ 3．如何降低比对所用时间？ 4．在 COG 图中，请问每个分类的参考数据库是什么？ 5．介绍一下我们比对用的四大数据库。 67．．Gbleanste和Onbtolalto这gy（两简个称比对GO软）件的有含何义区？别，各自的特点是什么？ 98..流从程Nr中库对的b注las释t 比结对果得中到得的到mG0O格分式类的结结果果是是怎如样何一处个理过得程到，最用终到表了格哪格些式软的件结工果具文？件的？ 10.何做选bl择astb比las对t 的的建第库一类步型工？作是工作是什么？blast能够实现哪几种可能的序列比对方式？如
3. A该da参pt数er属c于on建ta库mi问na题ti，ona%dap(t记er为污Ad染a影pte响r实%)际产量。 4. Q20% (高于 80%)
该参数反映总体质量情况，de novo 项目 Q20 都应高于 80%，如果低于 70%则会严重影 响组装。质量非常差的数据，加进去会使组装效果变得更差。 5．GC%:
转录组 De novo 流程工作手册 1．De novo 流程生物学原理
1.1 实验流程
提取样品总 RNA 后，用带有 Oligo(dT)的磁珠富集真核生物 mRNA（若为原核生 物，则用试剂盒去除 rRNA 后进入下一步）。加入 fragmentaion buffer 将 打断 mRNA 成链短，片然段后，加以入缓mR冲N液A、为d模N板TP，s、用R六N碱as基e H随机和引D物N（A rpaonldyommerhaesexaIm合er成s）第合二成条第一cD条NAcD链N，A 在接经测过序接Qi头aQ，ui然ck后P用CR琼试脂剂糖盒凝纯胶化电并泳加进行EB片缓段冲大液小洗选脱择之，后最做后末进端行修P复C、测序。 11..2R测aw序c质 lus控ters (16 万~18 万) 对于 De novo 测序，质量胜过产量，小片段(200-500bp)宜上 18 万尽量缩小波动范围， 如果超过 20 万或者低于 15 万，则会影响质量和产量(Q20%，GC%),cluster 密度越高，数据 产量越大，但相邻 cluster 之间的荧光信号易相互干扰，影响数据质量；反之，cluster 密 度越低，相邻 cluster 的荧光信号越容易识别，但数据产量也较低。 2. Basecall duplicate% 该参数属于 solexa-pipeline 自身问题，只影响实际产量。
Gene Indices clustering tools (TGICL): a software system for fast clustering of large EST
冗dat余aseUtns.i"gBeinoei。nf最orm后a，tic将s 1U9n(i5g):e6n5e1序-2列.）与做蛋进白一数步据序库列n拼r、接S和wi去ss冗-P余ro处t、理KE，GG得和到尽COG可做能b长la的s非tx
2原.1理数：据过滤： 测序得到的 reads，并不都是有效的，里面含有带接头的，重复的，测序质量很低的 ， reads
数这据些处re理ads的会步影骤响：组装和后续分析，我们必须对下机的 reads 过滤，得到有效 reads. 1 去除含 adaptor 的 reads 2 去除 N 的比例大于 10%的 reads 3 去除低质量 reads（质量值 Q <= 5 的碱基数占整个 read 的 50％以上） 4 获得 Clean reads，后续分析都基于 Clean reads
由于 De novo 项目的 GC%在最开始一般不知道，所以要采取更加灵活的处理方式，而不 是值设和定标死准板差，的以标及准，每如个误l差an在e 的+-%GC为%离合差格，,现来在反一映般总是体3变5-化65情%。况可。以如通果过r计aw算c所lu有stelran浓e 平度上均 的过高或者试剂出现问题，会导致 GC%在 reads 尾部分叉，严重时需要截去 reads 尾部一段 长度的序列。 6．Insert size:
比间对的（比对ev结al果ue<有0矛.0盾00，01则），按取n比r、对S结wi果ss最-P好ro的t、蛋K白EG确G 定和 UCnOGig的en优e 先的级序确列定方向Un。ig如en果e 的不同序库列之方 向，跟以上四个库皆比不上的 Unigene 我们用软件 ESTScan（Iseli, Jongeneel et al. 1999） 预测其编码区并确定序列的方向。对于能确定序列方向的 Unigene 我们给出其从 5'到 3'方 向的序列，对于无法确定序列方向的 Unigene 我们给出组装软件得到的序列。 本节问题： 1.Kerm 的含义？ 2.contig 的含义？ 3．scaffold 的含义？ 4．unigene 的含义？ 5．N50 的计算？ 6．聚类的标准是什么？ 7．有两个 read，read1：ACCAGCA；read2：TCCAGCA 请按照 kerm=5,构建 De bruijn 图 8．用不同 K-mer 组装得到的结果有什么差异？能合并吗？ 9.影响组装的因素一般有哪些？ 10，评价转录组的组装效果的常用指标有哪些？ 11.转录组组装与基因组组装相比有何特点，制约转录组组装的主要因素有哪些？ 1123..为插什入么片补段洞长后度的的大sca小ffo对ld组还装要结做果一有次何聚影类响，？主要目的是什么？
2.2 组装：
原理： 使用短 reads 组装软件 SOAPdenovo（Li, R., H. Zhu, et al. (2009). "De novo assembly of
装hum。aSnOgAePndoemnoevsow首ith先m将as具siv有el一y p定ar长all度el sohvoertrlreaapd的seqrueeandcsing连."成G更en长om的e 片Re段s.），做这转些录通组过从r头ea组ds overlap 关系得到的不含 N 的组装片段我们称之称为 Contig。然后，我们将 reads 比对回 Contig，通过 paired-end reads 能确定来自同一转录本的不同 Contig 以及这些 Contig 之 间的距离，SOAPdenovo 将这些 Contig 连在一起，中间未知序列用 N 表示，这样就得到 Scaffold。进一步利用 paired-end reads 对 Scaffold 做补洞处理，最后得到含 N 最少，两 端不能再延长的序列，我们称之为 Unigene。如果同一物种做了多个样品测序，则不同样品 组装得到的 Unigene 可通过序列聚类软件 TGICL（Pertea, G., X. Huang, et al. (2003). "TIGR