水稻明恢63和珍汕97PacBio測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，對BAC文庫序列進行PacBio測序，得到高質(zhì)量的測序reads，再對reads進行組裝，得到contig水平的基因組序列。組裝所得基因組由于BAC文庫的偏好性，會缺失一部分序列。根據(jù)預(yù)測基因組大小和contigs總大小進行估算，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測序數(shù)據(jù)對其進行補充。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和無參組裝的contigs。
　　本論文對組裝基因組序列信息的補充過程其實就是序列的延伸過程。整個延伸過程在 contig水平進行，按照延伸次數(shù)分為兩個階段。第一階段使用已組裝好的contigs進行比對與延伸。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測序所得的經(jīng)過質(zhì)量控制的clean reads進行補充延伸。
　　在基因組比對中普遍存在一種情況，即某一條contig上面會有一段序列比對到參考序列的其它位置上，這種情況稱作多重比對。造成多重比對的原因可能是該序列是重復(fù)序列，也可能是組裝錯誤。針對這種情況，根據(jù)延伸序列是否多重比對設(shè)定了兩個篩選標準：標準一和標準二。標準一規(guī)定含有多重比對序列的延伸序列一律舍棄，標準二規(guī)定含有多重比對序列的延伸序列需要綜合考慮多