image

同源染色体：同源染色体，一个来自母本，一个来自于父本。

单倍型：单倍体基因型的简称。遗传学上指在单条染色体上一系列遗传变异位点的组合。

目前，大多数二倍体基因组组装都忽略了同源染色体之间的差异，将基因组组装成一个假的单倍体序列，这是二倍体类型的组装的人为共识。这种人为的共识可能导致基因注释的不精确和生物学解释的错误。

为了深入研究的需要，更多的物种需要将来自父母的遗传信息都获得，因此参考基因组就需要获得两个单倍体基因组，也就是单倍型基因组。

目前单倍型技术主要应用领域包括：

早期已经提出了几种算法来生成单倍型解析的程序集，也称为分阶段程序集。FALCON-Unzip，Supernova等使用相对短距离的序列数据进行定相，但只能解析高达9Mb的单倍型人类样品。这些方法无法逐步完成着丝粒或长重复。扩展FALCON-Unzip的FALCON-Phase使用Hi-C连接相控序列模块，可以生成更长的单倍型，但无法实现染色体长的定相。

近年出现了几种有效的单倍型组装方法。

由美国国家人类基因组研究所、Pacific Biosciences公司及阿德莱德大学等单位的研究人员开发，发表在2018年10月22日的Nature Biotechnology杂志上。

Trio binning首先使用来自两个亲本基因组的高精度短读长数据将子代的长读长序列划分为单倍型特异性的集合，然后每个单倍型独立组装，形成一个完整的二倍体重建。

组装方法

image

优缺点

Trio binning是一种简便、准确、高效的二倍体参考基因组组装方法。在拟南芥、人类及牛单倍型组装中表现良好，但Trio binning对样本具有很高的要求，必须能够获取双亲的二代数据。

在进行数据分割时一部分杂合子reads不能明确地划分为亲本单倍型：如果双亲在某个位点上都是杂合，那么这个位点无法给reads提供有效的kmer信息，并且不能被唯一地分配给一个亲本单倍型；同样如果父本在一个位点是杂合子，而母本是纯合的，从母本单倍型来看也不能分割。在标准的trio-binning中，不能被区分的杂合reads在两个亲本数据集中都会使用。因此，这两个等位基因可能存在于一个单倍型组合中，并引入错误。另外还可能存在将reads错误划分到其中一个亲本的情况。

由李恒、Evan E. Eichler、George M. Church等人联合开发的新的基因组组装方法，发表在2020年12月7日的Nat Biotechnol 杂志上。

DipAsm使用HiFi数据和Hi-C数据，可以在1天之内生成染色体规模的分相组装，具有98-99％的准确性。

组装方法

image

优缺点

DipAsm将促进高质量的精准医学以及个体单倍型变异和种群多样性的研究，但DipAsm使用SNP信息进行定相，这对于长度长数据准确性要求高，也就是需要使用 PacBio HiFi，否则将增加SNP的错误率，部分涉及长SV的高度杂合区域会出现错误。

由德国杜塞尔多夫海因里希·海涅大学Tobias Marschall和美国华盛顿大学Evan E. Eichler合作，使用单细胞链测序和长读取实现了亲本数据非依赖的全阶段人基因组组装，2020年12月7日发表在Nature Biotechnology上。

组装方法：

Strand-seq具有三个重要功能：

image

步骤：

优缺点：

组装准确（质量值> 40）且高度连续（contig N50> 23 Mbp）、转换错误率低（0.17％）、并可提供了全相单核苷酸变体、插入缺失和结构变体等。

Strand-seq是一种单细胞技术，它不需要亲本或配子，这种技术利用基因图谱技术对染色体、单倍型和scaffold的长序列进行聚类； 然而，生成Strand-seq数据的困难限制了它在少数模型物种中的应用。