1. 什么是單倍型？
同源染色體：同源染色體，一個來自母本腔寡，一個來自于父本。
單倍型：單倍體基因型的簡稱掌唾。遺傳學(xué)上指在單條染色體上一系列遺傳變異位點的組合放前。
2. 單倍型組裝的意義？
目前糯彬，大多數(shù)二倍體基因組組裝都忽略了同源染色體之間的差異凭语，將基因組組裝成一個假的單倍體序列，這是二倍體類型的組裝的人為共識撩扒。這種人為的共識可能導(dǎo)致基因注釋的不精確和生物學(xué)解釋的錯誤似扔。
為了深入研究的需要吨些，更多的物種需要將來自父母的遺傳信息都獲得，因此參考基因組就需要獲得兩個單倍體基因組炒辉，也就是單倍型基因組豪墅。
目前單倍型技術(shù)主要應(yīng)用領(lǐng)域包括：
- 在醫(yī)學(xué)上探索致病機理，挖掘致病基因黔寇，尋找疾病治療新方法偶器；
- 在群體遺傳學(xué)上分析等位基因間差異，追蹤個體親緣關(guān)系缝裤，了解生物遷徙模式和進化歷史屏轰；
- 在農(nóng)業(yè)上發(fā)掘優(yōu)異等位基因變異，探索雜種優(yōu)勢理論等憋飞。
3. 如何進行單倍型組裝霎苗？
早期已經(jīng)提出了幾種算法來生成單倍型解析的程序集，也稱為分階段程序集榛做。FALCON-Unzip叨粘，Supernova等使用相對短距離的序列數(shù)據(jù)進行定相，但只能解析高達9Mb的單倍型人類樣品瘤睹。這些方法無法逐步完成著絲粒或長重復(fù)答倡。擴展FALCON-Unzip的FALCON-Phase使用Hi-C連接相控序列模塊轰传，可以生成更長的單倍型，但無法實現(xiàn)染色體長的定相瘪撇。
近年出現(xiàn)了幾種有效的單倍型組裝方法获茬。
方法1：Trio-binning (Illumina+Pacbio)
由美國國家人類基因組研究所、Pacific Biosciences公司及阿德萊德大學(xué)等單位的研究人員開發(fā)倔既，發(fā)表在2018年10月22日的Nature Biotechnology雜志上恕曲。
Trio binning首先使用來自兩個親本基因組的高精度短讀長數(shù)據(jù)將子代的長讀長序列劃分為單倍型特異性的集合，然后每個單倍型獨立組裝渤涌，形成一個完整的二倍體重建佩谣。
組裝方法
- 1）測序：兩個親本分別二代Illumina測序，對F1代進行三代PacBio測序实蓬。
- 2）分割三代數(shù)據(jù)：使用兩個親本的二代數(shù)據(jù)獲取單倍型特異性k-mers茸俭。利用特異性k-mer將三代數(shù)據(jù)分割
- 3）利用分割的數(shù)據(jù)分別組裝
優(yōu)缺點
Trio binning是一種簡便、準確安皱、高效的二倍體參考基因組組裝方法调鬓。在擬南芥、人類及牛單倍型組裝中表現(xiàn)良好酌伊，但Trio binning對樣本具有很高的要求腾窝，必須能夠獲取雙親的二代數(shù)據(jù)。
在進行數(shù)據(jù)分割時一部分雜合子reads不能明確地劃分為親本單倍型：如果雙親在某個位點上都是雜合，那么這個位點無法給reads提供有效的kmer信息虹脯，并且不能被唯一地分配給一個親本單倍型驴娃；同樣如果父本在一個位點是雜合子，而母本是純合的归形，從母本單倍型來看也不能分割托慨。在標準的trio-binning中，不能被區(qū)分的雜合reads在兩個親本數(shù)據(jù)集中都會使用暇榴。因此厚棵，這兩個等位基因可能存在于一個單倍型組合中，并引入錯誤蔼紧。另外還可能存在將reads錯誤劃分到其中一個親本的情況婆硬。
方法2：DipAsm（HiFi+Hi-C）
由李恒、Evan E. Eichler奸例、George M. Church等人聯(lián)合開發(fā)的新的基因組組裝方法彬犯，發(fā)表在2020年12月7日的Nat Biotechnol 雜志上。
DipAsm使用HiFi數(shù)據(jù)和Hi-C數(shù)據(jù)查吊，可以在1天之內(nèi)生成染色體規(guī)模的分相組裝谐区，具有98-99％的準確性。
組裝方法
- 1）Peregrine：Pacbio HiFi reads 組裝成不分相位的congtig逻卖；
- 2）HiRise / 3D-DNA：結(jié)合Hi-C數(shù)據(jù)生成不分相位的scaffold宋列；
- 3）DeepVariant ：Hi-C reads mapping到scaffold上call 雜合snp；
- 4）WhatsHap和HapCUT2：處理HiFi reads和Hi-C reads雜合snp评也；
- 5）WhatsHap：根據(jù)相位分割reads炼杖；
- 6）Peregrine：分割的reads分別組裝。
優(yōu)缺點
DipAsm將促進高質(zhì)量的精準醫(yī)學(xué)以及個體單倍型變異和種群多樣性的研究盗迟，但DipAsm使用SNP信息進行定相坤邪，這對于長度長數(shù)據(jù)準確性要求高，也就是需要使用 PacBio HiFi罚缕，否則將增加SNP的錯誤率艇纺，部分涉及長SV的高度雜合區(qū)域會出現(xiàn)錯誤。
方法3：strand seq + long reads
由德國杜塞爾多夫海因里嫌实·海涅大學(xué)Tobias Marschall和美國華盛頓大學(xué)Evan E. Eichler合作喂饥，使用單細胞鏈測序和長讀取實現(xiàn)了親本數(shù)據(jù)非依賴的全階段人基因組組裝，2020年12月7日發(fā)表在Nature Biotechnology上肠鲫。
組裝方法：
Strand-seq具有三個重要功能：
- 1）它可以按染色體對reads或contig進行排序员帮；
- 2）它可以定序和定向contig；
- 3）它提供了一個染色體范圍內(nèi)的相位信號导饲，而與物理距離無關(guān)捞高。
步驟：
- 使用長reads組裝成不分相位的contig氯材；
- Strand-seq比對到congtig上，contig進行排序和連接硝岗，形成染色體氢哮；
- 長reads mapping到 染色體上call SNVs；
- WhatsHap：利用SNVs 分割長reads型檀；
- wtdbg2 , Flye, Canu or Peregrine2：分割的reads分別組裝冗尤。
優(yōu)缺點：
組裝準確（質(zhì)量值> 40）且高度連續(xù)（contig N50> 23 Mbp）、轉(zhuǎn)換錯誤率低（0.17％）胀溺、并可提供了全相單核苷酸變體裂七、插入缺失和結(jié)構(gòu)變體等。
Strand-seq是一種單細胞技術(shù)仓坞，它不需要親本或配子背零，這種技術(shù)利用基因圖譜技術(shù)對染色體、單倍型和scaffold的長序列進行聚類无埃； 然而徙瓶，生成Strand-seq數(shù)據(jù)的困難限制了它在少數(shù)模型物種中的應(yīng)用。
