基因組組裝學(xué)習(xí)筆記（一）
基因組組裝的前期工作：需要掌握什么知識(shí)點(diǎn)涂召？
1）基因組大小 / genome size：
一般有兩種辦法剪芥，使用流式細(xì)胞來估計(jì)幻碱，或者使用Illumina short reads箍土，也就是基于Kmer的方法肉拓，對(duì)基因組大小進(jìn)行估計(jì)鸭丛，
但由于流式細(xì)胞需要考慮到用什么物種（e.g. 所選用的參考物種基因組大小是多少竞穷，也就對(duì)應(yīng)相應(yīng)的DNA C-value）等，就需要進(jìn)行先攻的查詢鳞溉，
流式細(xì)胞相關(guān)資源：
- 真菌DNA C-value查詢網(wǎng)站：http://www.zbi.ee/fungal-genomesize
- 植物DNA C-value查詢網(wǎng)站：http://data.kew.org/cvalues
- 動(dòng)物DNA C-value查詢網(wǎng)站：http://www.genomesize.com
用一句話來總結(jié)的話瘾带，越大的genome，在相同的測序深度情況下熟菲，需要更多的測序量看政，才能達(dá)到對(duì)應(yīng)的覆蓋度（coverage朴恳，e.g. 99%）。
2）重復(fù)序列
當(dāng)genome中的重復(fù)序列占比過高的話允蚣，又沒有使用CLR測序于颖，無法得到跨越重復(fù)序列的位置信息，
那就會(huì)出現(xiàn)片段化的組裝結(jié)果（fragmented assembly）嚷兔，即出現(xiàn)多個(gè)contig不能夠搭建到scaffold級(jí)別
所以森渐，這就是為什么現(xiàn)在大家都在用PacBio、Nanopore的原（但是現(xiàn)在是2022年了冒晰，基因組時(shí)代已經(jīng)過去了）
3）雜合度 / Heterozygosity
在不要求組裝到subgenome同衣、allele-aware級(jí)別的genome時(shí)，組裝軟件都是自動(dòng)將“collapsed”的基因組草圖給輸出壶运，即只輸出一套耐齐，
但是在很多需要深究的科學(xué)問題上，比如Y染色體的拼接等前弯，就需要使用一些特殊方法蚪缀。
雜合度特別高秫逝，是一件好事恕出，因?yàn)閔ifiasm直接組裝出來兩套，
雜合度特別低违帆，也是一件好事浙巫，因?yàn)閔ifiasm直接組裝出來一套
雜合度不高不低，是件壞事刷后，因?yàn)榻M裝結(jié)果不三不四
4）倍性
如果有可能的話的畴，選擇單倍體進(jìn)行測序會(huì)比較好一些，比如基因組大小為26.3G的火炬松就是直接測的花粉尝胆，
微生物也就不用說了丧裁，都是haploid。
基因組組裝的前期工作：Genome Survey
一些非常常規(guī)的東西含衔，我不太想提煎娇，準(zhǔn)備三兩句話帶過，
adapter removement
QC accessment
而在二代測序拼接的時(shí)候贪染，雖然NovoSeq的量級(jí)很高缓呛，能夠達(dá)到10millions~20 billions，乘數(shù)也特別高杭隙，
但是一些基于de Brujin graph的組裝軟件較為理想的參數(shù)還是在60-80×（“Identification of optimum sequencing depth especially for de novo genome assembly of small genomes using next generation sequencing data”
基因組大小評(píng)估怎么做哟绊？
fastp/Trimmomatic/trim_galore
Jellyfish/KMC
GCE/GenomeScope2
