• 长读长组装发展
• 人类基因组T2T联盟
• CHM13-T2T
• 基因组组装的最后挑战

长读长组装发展

• 2012：三代组装、二代校正；耗资源，适合小基因组，如细菌，4-15%错误率
• 2013：三代组装、三代校正；仍然只适用小的
• 2014：华夏一号（中国人三代参考基因组）
• 2016：Falcon/Falcon-Unzip，三代Pacbio二倍体真核生物
• 2017：ONT UItralong
• 2018：希望组启动T2T完成图，Nextcorrect（Nextdenovo第一期），超大基因组组装问题
• 2019：PacBio HiFi reads，>20kb且>99.9%准确度，同时可做组装与SNP、Indel
• 2020：基于HiFi的二倍体组装hifiasm；中国人SV与单体型标准
• 2021：非洲肺鱼40Gb和澳洲肺鱼37Gb两个超大基因组组装；拟南芥T2T完成图
• 2022：苏铁基因组10.5Gb

人类基因组T2T联盟

• 2019：T2T联盟成立
• 2020：X染色体
• 2021：8号染色体
• 2022：全基因组，表观、端粒、着丝粒等以及很多方法学研究
• 人类泛基因组联盟HPRC新目标：基于350个体T2T基因组

CHM13-T2T

• 组装情况：3.05Gb，63494 gene（19969编码基因），53.94% 重复

• 组装策略：

  • 30x PacBio HiFi搭骨架：Hicanu+Minisam
  • ONT补gap
  • HiFi based graph resolution，手动解图
  • ONT-based tangle resolution，手动解图
  • 结合其他技术ddPCR, Strand-seq, Hi-C, HSat3 array

• 技术突破：着丝粒拼接、rDNA阵列（45S）、染色体短臂、节段重复、串联重复、完整单体型

• 局限性：

  • 葡萄胎细胞样本，单倍体基因组，不是绝对的单倍体
  • 无Y染色体
  • 真实的二倍体、异源多倍体、同源多倍体需要不同的算法

• 建议：不要轻易号称T2T，审稿意见多。建议谦虚点near-complete

基因组组装的最后挑战

• 测序发展维度：一代——三代

• BAC-long纳米孔测序（>150kb）

• HiFi和ONT测序错误率的意义不同

• 最新基因组组装的4个不同标准，不同的策略

  • 白金基因组：50-60x HiFi + Hi-C （Hifiasm,HiCanu)
  • 近完成图：60x HiFi + 60x UL(100kb) + Hi-C +Bionano (Hifiasm,HiCanu, NextDenovo)
  • Pre-T2T：60x HiFi + 100x BAClong(150kb) + Hi-C +Bionano (NextDenovo2/NextPolish2)
  • T2T：100x HiFi + 200x BAClong(150kb) + Hi-C +Bionano (NextDenovo2/NextPolish2)

• T2T不等于gapless：一个contig一条染色体；no misassembly；Q50碱基质量不够；单体型未分开

• T2T四个阶段：现已完成接近10Gb的基因组

  • 单倍体已完成

  • 二倍体进行中

  • 异源多倍体困难

  • 同源多倍体更困难

CGM第二百三十五期 汪德鹏 基因组组装的最后挑战——基因组完成图（T2T）:

https://www.bilibili.com/video/BV1DY411j7pG?spm_id_from=333.880.my_history.page.click