水稻明恢63和珍汕97PacBio測(cè)序組裝基因組的延伸.pdf

1、由水稻明恢63（MingHui63, MH63）和珍汕97（ZhenShan97, ZS97）全基因組序列構(gòu)建BAC文庫(kù)，對(duì)BAC文庫(kù)序列進(jìn)行PacBio測(cè)序，得到高質(zhì)量的測(cè)序reads，再對(duì)reads進(jìn)行組裝，得到contig水平的基因組序列。組裝所得基因組由于BAC文庫(kù)的偏好性，會(huì)缺失一部分序列。根據(jù)預(yù)測(cè)基因組大小和contigs總大小進(jìn)行估算，其中MH63組裝基因組缺失20 Mb左右，ZS97組裝基因組缺失40 Mb左右。為了完善

2、基因組的序列信息，本論文使用覆蓋更為全面的Illumina HiSeq2000測(cè)序數(shù)據(jù)對(duì)其進(jìn)行補(bǔ)充。該數(shù)據(jù)已經(jīng)按照不同的組裝策略得到了有參組裝的contigs和無(wú)參組裝的contigs。
　　本論文對(duì)組裝基因組序列信息的補(bǔ)充過(guò)程其實(shí)就是序列的延伸過(guò)程。整個(gè)延伸過(guò)程在 contig水平進(jìn)行，按照延伸次數(shù)分為兩個(gè)階段。第一階段使用已組裝好的contigs進(jìn)行比對(duì)與延伸。第二階段則是在第一階段所得基因組序列的基礎(chǔ)上，利用Illumina

3、 HiSeq2000測(cè)序所得的經(jīng)過(guò)質(zhì)量控制的clean reads進(jìn)行補(bǔ)充延伸。
　　在基因組比對(duì)中普遍存在一種情況，即某一條contig上面會(huì)有一段序列比對(duì)到參考序列的其它位置上，這種情況稱作多重比對(duì)。造成多重比對(duì)的原因可能是該序列是重復(fù)序列，也可能是組裝錯(cuò)誤。針對(duì)這種情況，根據(jù)延伸序列是否多重比對(duì)設(shè)定了兩個(gè)篩選標(biāo)準(zhǔn)：標(biāo)準(zhǔn)一和標(biāo)準(zhǔn)二。標(biāo)準(zhǔn)一規(guī)定含有多重比對(duì)序列的延伸序列一律舍棄，標(biāo)準(zhǔn)二規(guī)定含有多重比對(duì)序列的延伸序列需要綜合考慮多