Монтажные леса: Строительные леса для частного дома, квартиры купить по низкой цене

Удалить неоднозначные кромки

Ребро (u, v) неоднозначно, если либо исходная степень u, либо in-степень v больше единицы. Эти неоднозначные края удалены из графика.

  процедура remove_ambiguous_edges (график g):
для ребра e = (u, v) в g
    если g [u] .outdeg> 1 или g [v] .indeg> 1
        remove_edge (e, g)
  

Сборка смежных путей

Остальные кромки образуют непрерывные дорожки, которые собираются в создать финальные строительные леса.Последовательности вершин пути соединяются, перемежаются с пробелами, представленными серией символ N, длина которого соответствует оценке расстояния между этими двумя контигами. Оценщик максимального правдоподобия используется для оцените расстояние между двумя контигами по выравниванию парное чтение контигов. Возможно, что расстояние оценка отрицательная, что указывает на то, что два контига на самом деле должны перекрывать. Если такое перекрытие действительно обнаружено в перекрытии контигов На графике два контига объединяются.

Мы собрали данные секвенирования парных концов 101 пар оснований человека. образец NA12878 с использованием ABySS. Эшафоты были разделить на N, чтобы получить контиги. Контиги были привязаны к человеческому ссылка GRCh47 с использованием BWA-SW с командной строкой bwa bwasw -b9 -q16 -r1 -w500 . Выравнивания длиной не менее 200 п.н. используется для расчета выровненного контига N50, исключая вторичный выравнивания запроса, которые перекрывают большее выравнивание более чем на 50% меньшего выравнивания. Раскладки длиной не менее 500 п.н. с качеством отображения не менее 10 использовались для идентификации точки останова в выравнивании контигов по ссылке.

Положение контигов в каждом каркасе сравнивали с положение контигов, выровненных по эталонному геному, для идентификации контиги, которые не совпадают в соответствии с их расположение в эшафоте. Для последовательности контигов в каркасе начальные позиции этих контигов в эталонном геноме должны быть монотонно возрастающая последовательность или убывающая, если каркас с обратным дополнением относительно ссылки, и аналогично конечные положения также должны быть монотонно возрастающей последовательностью.В каркас сломан на любой паре контигов, не удовлетворяющих этим требованиям. критериев, и рассчитывается выровненный каркас N50.

Этот анализ был повторен для сборок NA12878 ALLPATHS-LG, fermi, SGA и SOAPdenovo. Сборка ALLPATHS-LG скачивается с NCBI, а сборки fermi, SGA и SOAPdenovo были предоставлены Хэн Ли, Джаред Симпсон и Руибанг Луо соответственно (см. Материалы). Сборки ABySS, fermi, SGA и SOAPdenovo используют идентичные данные. наборы. Сборка ALLPATHS-LG использует более глубокий 100-кратный набор данных и два библиотеки сопряженных пар.Собранные ферми контиги были собраны в каркасы с использованием алгоритма каркасов ABySS.

Построение выровненного контига N50 в зависимости от количества точек останова дает график, где лучшие сборки находятся в верхнем левом углу угол.Построение выровненного каркаса N50 в зависимости от количества контрольные точки каркаса дают аналогичный график, показывающий производительность алгоритм строительных лесов.

Программное обеспечение

Данные секвенирования образца человека NA12878

Данные секвенирования человеческого образца NA12878 (SRS000090) составляют 101 п.н. Иллюмина читает.

Было использовано восемь полос парных данных, четыре полосы парных библиотека Solexa – 18483 и четыре переулка библиотеки Solexa – 18484: ftp: // hengli: reichdata @ ftp.broadinstitute.org/NA12878-hs37d5-aln/NA12878-hs37.bam

Четыре дорожки библиотеки пар матов Solexa – 30807 (SRX027699) были использовал: http://sra.dnanexus.com/experiments/SRX027699

Сборки человеческого образца NA12878

Дж. Т. Симпсон, К. Вонг, С. Д. Джекман, Дж. Э. Шейн, С. Дж. М. Джонс, İ Birol (2009).ABySS: параллельный ассемблер для данных короткой последовательности чтения. Геномные исследования, 19 (6), 1117–1123.

Gnerre S, MacCallum I, Przybylski D, Ribeiro F, Burton J, Walker B, Шарп Т., Холл G, Ши Т., Сайкс С., Берлин А., Эйрд Д., Костелло М., Даза Р., Уильямс Л., Николь Р., Гнирке А., Нусбаум С., Лендер Е. С., Джаффе Д. Б. (2011). Качественные черновые сборки геномов млекопитающих из массовых данные параллельной последовательности. Труды Национальной академии наук, 108 (4), 1513–1518.

Ли Х. и Дурбин Р.(2010). Быстрое и точное выравнивание с длинным считыванием с помощью преобразования Барроуза-Уиллера. Биоинформатика, Epub.

Марк А. ДеПристо, Эрик Бэнкс, Райан Поплин, Киран В. Гаримелла, Джаред Р. Магуайр, Кристофер Хартл, Энтони Филиппакис, Гильермо дель Ангел, Мануэль А. Ривас, Мэтт Ханна, Аарон МакКенна, Тим Дж. Феннелл, Андрей Керницкий, Андрей Сиваченко, Кристиан Цибульскис, Стейси Б. Габриэль, Дэвид Альтшулер и Марк Джей Дэйли (2011). Основа для обнаружения вариаций и генотипирования с использованием данные секвенирования ДНК следующего поколения.Nature Genetics 43 (5), 491–498.

Хэн Ли (2012). Изучение SNP на одном образце и вызов INDEL с помощью полногеномного новая сборка. Биоинформатика, предварительный доступ.

Джаред Т. Симпсон и Ричард Дурбин (2012). Эффективная сборка больших геномов de novo с использованием сжатых данных конструкции. Исследование генома, 22 (3), 549–556.

Руйцян Ли, Хунмей Чжу, Цзюэ Руань, Вубинь Цянь, Сяодун Фанг, Чжунбинь Ши, Инжуй Ли, Шэнтин Ли, Гао Шань, Карстен Кристиансен, Сонган Ли, Хуанмин Ян, Цзянь Ван и Цзюнь Ван (2010).Сборка de novo геномов человека с массовым параллельным коротким чтением последовательность действий. Исследование генома, 20 (2), 265–272.

Сборка строительных лесов с арками и ссылками - документация faircloth-lab e4a8853

Механизм сборки вирусов, управляемый каркасами, предложенный сравнением прокапсидов P22, содержащих каркасы и не содержащих каркасов

Резюме

Сборка Некоторые классы бактериальных вирусов и вирусов животных требуют временного присутствия молекул, известных как каркасные белки, которые необходимы для сборки предшественника прокапсида.Чтобы собрать прокапсид надлежащего размера, каждая субъединица вирусной оболочки должна принять правильную квазиэквивалентную конформацию из нескольких возможных вариантов, в зависимости от номера T капсида. В отсутствие каркасного белка белки оболочки вируса образуют капсиды неправильной формы и неправильного размера, которые не могут упаковать ДНК. Хотя каркасные белки не образуют икосаэдрических ядер внутри прокапсидов, икосаэдрически упорядоченное взаимодействие покрытие / каркас может объяснить, как каркас может вызывать конформационные различия между субъединицами оболочки.Чтобы идентифицировать сайты взаимодействия каркасного белка с решеткой белка оболочки бактериофага Р22, мы определили электронную криомикроскопию структуры прокапсидов, содержащих каркас и лишенных каркаса. Полученные в результате карты различий предполагают специфические взаимодействия каркасного белка только с четырьмя из семи квазиэквивалентных конформаций белка оболочки в решетке прокапсида T = 7 P22, подтверждая идею о том, что конформационное переключение субъединицы оболочки регулируется типом взаимодействий, которые она подвергается каркасному белку.Основываясь на этих результатах, мы предлагаем модель сборки прокапсида P22, которая включает в себя чередующиеся этапы, в которых субъединицы сначала покрывают, а затем скаффолдинги образуют самовзаимодействия, которые способствуют добавлению другого белка. Вместе покрытие и каркас обеспечивают перекрывающиеся наборы связывающих взаимодействий, которые управляют образованием прокапсида.

Рекомендуемые статьиЦитирующие статьи (0)

Copyright © 1999 The Biophysical Society. Опубликовано Elsevier Inc. Все права защищены.

Рекомендуемые статьи

Ссылки на статьи

Расширение строительных лесов и закрытие зазоров

Сообщение Линь-Син Чена, Картика Анантарамана, Алона Шайбера, А. Мурата Эрена и Джиллиан Ф. Банфилд. С любыми вопросами о методах, описанных ниже, свяжитесь с нами по электронной почте ([email protected]).

Введение

Цель этого поста - описать пошаговую процедуру расширения каркаса и закрытия разрыва для значительного улучшения качества геномов, собранных в метагеноме (MAG).Эти стратегии описаны в нашей недавней статье под названием «Точные и полные геномы из метагеномов» (сокращенно CGM), которая доступна по адресу https://genome.cshlp.org/content/early/2020/03/18/ gr.258640.119.full.pdf + html. Пожалуйста, процитируйте эту публикацию, если вы будете следовать описанным здесь процедурам для анализа.

В документе CGM обобщается история метагеномики с разрешением генома с примерами из публикаций, чтобы показать необходимость объединения геномов и ручного курирования MAG, чтобы избежать вводящих в заблуждение выводов.В нашей статье представлена ​​пошаговая процедура создания черновика MAG, сгенерированного ручными или автоматическими инструментами объединения, для предотвращения ошибок (например, неправильно построенных строительных лесов, локальных ошибок сборки), закрытия зазоров в строительных лесах и, таким образом, создания высококачественных или полных MAG. (CMAG). Здесь мы подробно рассмотрим две основные стратегии, которые мы обычно используем для полного улучшения MAG: расширение каркаса и закрытие пробелов.

Пристройка подмостей

Удлинение каркаса использует считывания парных концов, картированных на данный каркас для удлинения его концов, (1) для получения полной последовательности гена, кодирующего белок или гена рРНК на концах, (2) для сборки его с другим каркасом на основе на перекрывающихся последовательностях в конце (3) для получения полного генома бактерий, архей, вирусов, фагов и т. д.В документе CGM говорится:

«Строительные леса внутри бункера, которые не перекрываются в начале курирования, могут быть соединены после одного или нескольких раундов наращивания лесов. Этот процесс расширения, соединения и повторного отображения может продолжаться до тех пор, пока все фрагменты не составят единую кольцевую последовательность. Следует отметить, что чтение с помощью расширения scaffold для чтения занимает очень много времени. Если расширенный каркас не может быть присоединен к другому каркасу после нескольких раундов расширения, возможно, стоит протестировать дополнительный каркас (возможно, небольшой, поэтому его легко пропустить при объединении) путем поиска перекрытий в полном метагеноме.Иногда сбой расширения каркаса происходит из-за отсутствия парных чтений, которые могут быть обнаружены в конце другого фрагмента. Если они указывают, но последовательности не могут быть соединены из-за перекрытия концов, в объединенную последовательность может быть вставлен разрыв каркаса (может потребоваться обратное дополнение одного из каркасов) ».

Это означает, что иногда можно связать все каркасы чернового MAG в кольцевой геном путем удлинения каркаса с последующей сборкой расширенных каркасов на основе перекрытия.Однако следует отметить, что ручное наращивание каркаса требует много времени и часто не приводит к циклической последовательности генома MAG. Дополнительные тесты должны быть выполнены для проверки точности конечного продукта, как мы описали в нашем исследовании.

Как можно наращивать строительные леса?

Мы вручную расширяем строительные леса в заданном контейнере, чтобы их можно было курировать с помощью Geneious. Для этого есть несколько шагов, включая (1) отображение считываний на каркасы, составляющие корзину, (2) визуализацию в Geneious и (3) ручное расширение в Geneious.Обратите внимание, что считывания, используемые для расширения, должны быть соответствующим образом размещены относительно их уже сопоставленной пары в правильной ориентации, а первоначально сопоставленная пара должна поддерживать согласованную последовательность на концах каркаса. В следующих разделах подробно описывается каждый из этих трех шагов.

(1) Считывает отображение

Картирование чтения может быть выполнено с помощью доступных инструментов, например Bowtie 2. Здесь мы проиллюстрируем использование первого бункера генома (содержащего один каркас), описанного в разделе «Примеры из практики, иллюстрирующие курирование черновиков MAG» в CGM, i .е., ALT_04162018_0_2um_scaffold_13. Каркас был собран из парных чтений (ALT_04162018_0_2um.1.fastq.gz и ALT_04162018_0_2um.2.fastq.gz) и имеет формат FASTA. Для чтения отображения с помощью Bowtie 2.

Сначала создайте базу данных для сопоставления.

bowtie2-build ALT_04162018_0_2um_scaffold_13.fasta ALT_04162018_0_2um_scaffold_13.fasta

Во-вторых, сопоставьте чтения с эшафотом

bowtie2 -p 6 -X 2000 -x ALT_04162018_0_2um_scaffold_13.fasta -1 ALT_04162018_0_2um.1.fastq.gz -2 ALT_04162018_0_2um.2.fastq.gz | shrinksam -v> ALT_04162018_0_2um_scaffold_13.fasta.mapped.sam

Примечание: «-p 6» - это количество ядер, используемых для сопоставления, «-X 2000» - это наибольшая длина вставки, разрешенная при сопоставлении считываний на парном конце, которая может быть изменена на основе исследования. Shrinksam - это инструмент для фильтрации исходного файла SAM из Bowtie 2, который будет записывать в файл только отображенные операции чтения и, таким образом, экономить много места для хранения. Shrinksam можно загрузить с Github (https://github.com/bcthomas/shrinksam).

(2) Визуализация в генеосе

Подготовьте файл каркаса (.fasta) и файл сопоставления Bowtie 2 (.sam), используя функцию в Geneious, «Файл» -> «Импорт» -> «Из файла».

После импорта файла fasta выберите его и импортируйте файл SAM.

Выберите соответствующую последовательность .fasta, используемую для сопоставления:

Генерируются два файла, один (средний на скриншоте ниже) показывает чтения, которые сопоставлены с каркасом, другой (нижний) включает неразмещенные чтения из пар (означает, что другие чтения в этих парах были сопоставлены с эшафот через Bowtie 2).

Ниже приведен обзор всех считываний, сопоставленных с каркасом, профиль покрытия обычно ровный (за исключением области между 700000 и 800000 п.о., которая является областью профага).

(3) Ручное выдвижение строительных лесов

Следующим шагом будет расширение каркаса вручную в Geneious. Сначала выберите файл FASTA и файл чтения без места (упомянутый выше) и используйте функцию Geneious «Выровнять / собрать» -> «Сопоставить с эталоном».

Для чувствительности используйте «Custom Sensitivity» и установите «Maximum Mismatches Per Read» равным 2%, не изменяйте никакие другие параметры.Вы можете установить флажок «Сохранить список неиспользованных чтений», чтобы сохраненные чтения использовались для следующего запуска расширения.

На этом шаге генерируются два файла (внизу снимка экрана ниже): один содержит 605 неразмещенных операций чтения Bowtie 2, сопоставленных с каркасом, и другой, содержащий 3284 операций чтения, которые остаются не сопоставленными.

Проверьте показания, отображаемые на концах каркаса. Консенсусные последовательности чтений, которые только частично сопоставлены с каркасом, должны использоваться для расширения (см. Левый и правый концы ниже: скопируйте и вставьте последовательность чтения в строку согласованной последовательности над ними).

Перед расширением каркаса считывания в парах, которые уже сопоставлены с каркасом, должны быть проверены, чтобы увидеть, размещены ли они на подходящем расстоянии, учитывая информацию о размере библиотеки. Это можно сделать, выполнив поиск по названиям чтений. Например, имя самого нижнего читаемого на правом конце - «SNL153: 233: HYKNYBCX2: 1: 1109: 2879: 14634/1 (перевернуто)», которое можно скопировать, как показано на скриншоте ниже.

Таким образом, мы должны искать "SNL153: 233: HYKNYBCX2: 1: 1109: 2879: 14634/2" в исходном файле SAM от Bowtie 2, чтобы проверить его местоположение и ориентацию на карте (см. Ниже).

Расширенная последовательность скаффолда может быть сохранена как «ALT_04162018_0_2um_scaffold_13_extended» (длина от 1 128 909 до 1 129 134 пар оснований).

Затем сопоставьте набор неиспользованных операций чтения с последнего запуска сопоставления с расширенным шаблоном. Это следует повторять до тех пор, пока не перестанут набираться неразмещенные чтения. При необходимости полный набор данных чтения метагенома можно переназначить на расширенную последовательность каркаса, чтобы продолжить процесс.

Вы можете увидеть вариации в чтениях, которые соответствуют концам каркаса, что может указывать на отдельные пути или варианты последовательности (возможно, из-за присутствия субпопуляций в окружающей среде).Как показано выше, можно определить правильный путь, если только один из двух вариантов имеет парное чтение, которое поддерживает консенсус. Если это не так, вы можете выбрать вариант пути с наиболее подходящим покрытием (или большинством чтений) или прекратить усилия по расширению.

После раунда расширения каркаса может оказаться возможным найти каркасы в бункере генома, которые можно объединить (в некоторых случаях, охватываемых парными считываниями). Если каркас не найден, последовательность новых концов каркаса можно искать по всему набору метагеномных каркасов, чтобы найти фрагмент, который не был включен в корзину (с правильным содержанием GC, покрытием и филогенетическим профилем).Эту последовательность можно использовать для расширения каркаса и переназначения чтения для дальнейшей проверки.

Закрытие зазора

Когда скаффолдинг является этапом сборки de novo (ассемблеры, такие как IDBA_UD, metaSPAdes) данного метагеномного набора данных, N вставляются между контигами, охватываемыми чтениями с парным концом. CMAG представляют собой геномы без N, поэтому промежутки N в каркасах должны быть заполнены соответствующей последовательностью.

Как можно закрыть гэп?

Первый шаг должен состоять в том, чтобы проверить, действительно ли промежуток N заполнен парными чтениями (в противном случае сборка может быть химерной).Второй шаг должен заключаться в том, чтобы увидеть, присутствует ли уже последовательность в области гэпа, но дублируется ли она по обе стороны от Ns (таким образом, разрыв может быть закрыт путем удаления дублированной области и Ns).

Закрытие зазора может быть выполнено автоматическими инструментами, такими как Gapfiller (Nadalin et al. 2012), даже если мы не оценивали его производительность. Здесь мы описываем альтернативную стратегию и показываем, как это можно сделать с помощью Geneious.

Для иллюстрации мы используем еще один каркас из того же образца, что и описанный выше, т.е.например, ALT_04162018_0_2um_scaffold_30, который содержит зазор в лесах (эти зазоры можно быстро найти, выполнив поиск «Ns»).

На рисунке ниже показаны профили сопоставления чтения из Bowtie 2.

Первым шагом к устранению разрыва в строительных лесах является его устранение путем добавления подходящего числа «-» в последовательность согласования (серая линия на скриншоте ниже показывает правильное место для добавления «-»).

Вот как выглядит после добавления «-» слева от области смешения.

Затем мы должны переместить чтения в этой области в соответствующую сторону:

Затем удалите столбцы без базы.

Как вы можете видеть на скриншоте выше, есть последовательности, общие для операций чтения, которые можно скопировать и вставить в последовательность шаблонов, чтобы частично заполнить пробел.

Несмотря на то, что считывания в областях гэпов обладают высоким сходством последовательностей, мы также можем видеть некоторые варианты с одним нуклеотидом (SNV). Мы выбираем согласованные последовательности, разделяемые большинством прочтений.

Неподдерживаемая консенсусная последовательность должна быть заменена на Ns.

Затем мы сохраняем измененный каркас как «ALT_04162018_0_2um_scaffold_30_modified». Мы сопоставляем неразмещенные парные чтения (такие же, которые используются для удлинения концов каркаса, см. Выше) с "средней чувствительностью / быстротой" на модифицированный каркас.

Выходной профиль отображения области с зазором строительных лесов показан ниже:

Откройте разрыв и отсортируйте показания, как описано выше.

Добавьте согласованные последовательности, разделяемые чтениями, в каркас.Не беспокойтесь о SNV; мы разберемся, что происходит, когда разрыв будет ликвидирован.

Выполнение сопоставления с неразмещенными парными считываниями до устранения разрыва:

Профили сопоставления указывают на то, что разрыв будет закрыт после удаления оснований в каркасах без поддержки чтения:

Затем сопоставьте чтения с каркасом с закрытым зазором, не допуская несоответствия (настраиваемая чувствительность, допустимое нулевое несоответствие), чтобы увидеть, покрыта ли область повсюду.

Закрывая пробел, мы получаем полную аминокислотную последовательность для соответствующего гена, что подтверждается поиском BLASTp:

Выводы

В этом блоге мы покажем, как расширение строительных лесов и закрытие промежутков между ними может быть выполнено в Geneious.Мы надеемся, что эта информация поможет пользователям улучшить качество своих MAG. Важно отметить, что в будущем необходимо разработать автоматические инструменты для выполнения этих этапов курирования. Пожалуйста, не стесняйтесь оставлять комментарии ниже или связываться с нами по электронной почте, если вы работаете над автоматизированными решениями или у вас есть разные стратегии или советы по улучшению MAG.

Сборка генома квиноа с использованием геномной вариации для управляемого каркаса

Сборка генома на основе информации о гаплотипе

Подход каркаса, который мы предлагаем, основан на наличии общих гаплотипов в геномах вида.Таким образом, в принципе, он использует эффект неравновесия по сцеплению (LD) (Lewontin and Kojima 1960). Каждое отдельное растение, которое сравнивается с эталонным геномом, может показывать либо эталонный аллель, либо не эталонный аллель в данном геномном положении. Поскольку вариации наследуются внутри вида, мы ожидаем, что группы особей покажут нереференсные аллели в одних и тех же референсных положениях генома. В зависимости от размера анализируемой области генома мы находим ряд таких групп, каждая из которых представляет один гаплотип в этой области (рис.1). В популяции картирования, где родительские гаплотипы различаются известным набором вариантов положений (или любым набором маркеров), можно отнести каждую область геномов следующего поколения к одному из родительских гаплотипов. В этом исследовании, глядя на людей, которые не связаны напрямую, мы не знаем, сколько «начальных» гаплотипов следует учитывать, чтобы определять гаплотипы просто на основе общих вариаций в данной области генома. Другими словами, ожидается, что в любой небольшой области генома будут представлены две группы индивидуумов, одна из которых будет похожа на ссылку, а другая - на другую.В более крупной области генома более двух групп могут стать очевидными по мере рассмотрения большего числа позиций. Такое группирование индивидуумов на основе общих вариантов приводит к паттерну вариаций для каждой позиции генома в геноме. Ожидается, что переход от одного паттерна к другому произойдет через более длинные геномные расстояния (соответствующие ожидаемым расстояниям для мейотического кроссинговера), так что последовательности фрагментированной сборки генома, используемые в качестве эталона, могут демонстрировать паттерны вариаций, которые продолжаются через пробелы в сборке.Таким образом, паттерны непрерывных вариаций (то есть варианты позиций, которые группируют индивидов подобным образом) могут служить руководством для упорядочивания и ориентации собранных контигов. Позиции генома, которые не показывают каких-либо вариантов или зашумленных позиций, должны быть удалены, а паттерны вариаций необходимо суммировать, чтобы уменьшить количество паттернов, которые нужно сравнивать между контигами.

Варианты 22 человек (1-22) по сравнению с эталонной сборкой (Ref), показаны только варианты положения (схематично).В геномном интервале A можно выделить два гаплотипа, представленных индивидами 1–12 и 13–22 соответственно. В геномном интервале B можно выделить три гаплотипа, представленных индивидами 1–5, 6–12 и 13–22 соответственно. Во всем геномном регионе (C) можно выделить четыре гаплотипа, представленных индивидами 1–5, 6–12, 13–16 и 17–22 соответственно. Всего существует три различных паттерна вариации для каждой позиции в геноме: первый паттерн в интервале A, второй в интервале D, третий в интервале E

Основными этапами являются: секвенирование ряда особей, считывание карт по эталону. сборка, вариант, требующий для каждого индивидуума по сравнению с эталоном, фильтрация неинформативных или зашумленных геномных позиций, обобщение паттернов вариаций в пределах геномных интервалов и сравнение обобщенных паттернов вариаций между контигами.

Для обработки сопоставимых геномных единиц собранные контиги делятся на сегменты фиксированного размера, а модели вариаций суммируются и подсчитываются для каждого сегмента (рис. 2). Редкие паттерны (т.е. встречающиеся только в одной или двух геномных позициях внутри сегмента) удаляются, а оставшиеся обобщенные паттерны вариаций упоминаются как «отпечатки пальцев» для каждого сегмента. Сравнение контигов основано на сравнении таких вариаций отпечатков пальцев, и контиги упорядочиваются в соответствии с их общими отпечатками.Контиги объединяются и / или организуются в каркасы, если доступны вещественные доказательства, например, предоставленные поддерживающими парами матов или длинными чтениями. Полагаться исключительно на вещественные доказательства, такие как пары полов, часто неоднозначно из-за больших повторяющихся областей. Эти области либо не будут охватываться чтениями пар сопряжения, либо будут охвачены чтениями, имеющими несколько позиций выравнивания. Следовательно, информация, основанная на гаплотипах, обеспечивает дополнительное руководство и подтверждение для скаффолдинга.

Два геномных сегмента сгруппированы и сжаты для получения их вариаций отпечатков пальцев.Варианты (красный: гомозиготный, фиолетовый: гетерозиготный), референсные аллели (синий) и отсутствующая информация (серый) указаны для каждого из 50 образцов квиноа (столбцы) вдоль геномной области 20 т.п.н. в сборке Qpac (tig00006496, 1,75 Мбит / с. до 1,77 Мбит / с). Показаны только позиции, несущие альтернативные аллели (строки). Все рассматриваемые позиции ( a ) фильтруются ( b ) для сохранения информативных позиций, где по крайней мере половина образцов покрывает позицию по крайней мере с одним считыванием и не более 300 считываний, и где есть по крайней мере две ссылки. и два альтернативных генотипа.Вставки и удаления отбрасываются, и сохраняются только двуаллельные SNP. Последовательность генотипов в позиции называется паттерном вариации. Паттерны группируются посредством попарных сравнений ( c ) и сжимаются ( d ) для формирования вариационного отпечатка пальца. Подобные паттерны вариаций сохраняются, если они встречаются по крайней мере в трех геномных позициях в пределах сегмента. Чтобы их считали похожим паттерном, они не должны иметь различий в гомозиготных вариантах и ​​могут иметь до 10% различий в своих гетерозиготных вариантах.Отпечатки пальцев всех сегментов в геноме сравниваются друг с другом, чтобы найти общие модели вариаций между разными сегментами ( e )

Обнаружение общих отпечатков вариаций с использованием данных

В качестве доказательства концепции мы воспользовались ранее генерировали данные генотипирования на основе полногеномного секвенирования 1135 образцов модельного растения Arabidopsis thaliana (Alonso-Blanco et al., 2016). В контексте этого проекта была определена однонуклеотидная вариация относительно эталонной последовательности A.thaliana Колумбийский (Col-0) генотип. На основе этой информации о вариациях мы определили паттерны вариаций для каждой позиции в эталонной сборке Col-0 и сгенерировали отпечатки вариаций на сегмент размером 100 кбит / с. Количество общих отпечатков пальцев между такими сегментами 100 кбит / с сравнивалось для наборов от 15 до 100 случайно выбранных образцов из 1135 доступных наборов данных (Таблица 1). Всего с 15 случайно выбранными образцами мы обнаружили в среднем по геному три общих отпечатка пальца на мегабазу, подтверждающие сборку (т.е.е., расположенных в соседних сегментах) и до 0,30 общих отпечатков пальцев на мегабазу между удаленными сегментами, не поддерживающими структуру сборки (таблица 1, онлайн-ресурс 1). Большинство сегментов, которые были правильно идентифицированы как смежные на основании общих отпечатков пальцев, были расположены в центромерных регионах. При использовании 100 случайно выбранных образцов количество общих отпечатков пальцев в соседних сегментах увеличилось до 16 на мегабазу, распределенных по всему геному, с не более чем 1,90 удаленных родственников на мегабазу.Использование наборов данных генотипирования из 50 случайно выбранных образцов привело к получению 11-13 смежных общих отпечатков пальцев и 1,4-2 удаленных общих отпечатков пальцев на мегабазу. Таким образом, сбор информации о гаплотипах на основе 50 повторно секвенированных образцов оказался хорошим компромиссом между количеством секвенированных особей, количеством отпечатков пальцев, правильно связывающих соседние сегменты друг с другом, и частотой ложноположительных результатов удаленных связей (рис. 3).

Гаплотипические связи в геноме A. thaliana , полученные с различными наборами данных. Каждая точка представляет собой геномный сегмент размером 100 т.п.н. Синие ссылки: внутрихромосомные отношения; красные ссылки: межхромосомные или внутрихромосомные отношения с расстоянием> 1 Мбит / с. Координаты хромосом отображаются в Мбит / с с интервалом 5 Мбит / с. Отношения основаны на наборах данных SNP с частотой минорных аллелей ≥ 0,05. Каждая дуга соответствует А.thaliana , где отношения показаны на основе информации о гаплотипах с 15 ( a ), 30 ( b ), 50 ( c ) и 100 ( d ) образцами, выбранными случайным образом. Последняя выборка ( e ) основан на 50 образцах северной Швеции, а также имеет самую высокую плотность связей на основе гаплотипов

Затем мы оценили влияние генетического родства образцов на обнаружение смежных геномных сегментов на основе общих отпечатков пальцев.Для этого мы выбрали образцы из двух различных географических областей вместо случайного отбора. Пятьдесят итальянских образцов показали плотность смежных общих отпечатков пальцев (11,5 на мегабазу), аналогичную случайно выбранным. Однако при выборе 50 образцов из Швеции мы наблюдали более чем в два раза больше (21,9) смежных общих отпечатков пальцев на мегабазу (таблица 1). Набор шведских образцов включал образцы со всей страны (с севера и юга), при этом северные образцы показали самые низкие локальные попарные генетические дистанции из любых A.thaliana было отобрано образца в Европе, и у него также был самый высокий уровень редких аллелей в контексте всего набора данных по 1135 образцам (Alonso-Blanco et al., 2016). Южно-шведские образцы имели более высокие попарные расстояния по сравнению с северными, но также имели меньше редких аллелей. Таким образом, образцы из северной Швеции имели наибольшее количество общих гаплотипов. Это также был набор данных с лучшей производительностью с точки зрения плотности отношений на основе гаплотипов. Образцы из Италии были выбраны на основе географической близости в пределах северной Италии, но известно, что они сгруппированы с различными популяциями, распределенными по всей Евразии (Alonso-Blanco et al.2016). Тесное генетическое родство среди шведских образцов было отражено в количестве вариантов: было меньше различий между шведскими образцами A. thaliana по сравнению с эталоном Col-0 по сравнению с случайно выбранными образцами (Таблица 1). Например, в 50 шведских образцах было 2,2–3,2 миллиона позиций вариантов по сравнению с 3,9–4,4 в 50 случайно выбранных образцах. Это подчеркивает важность наличия консервативных гаплотипов на больших геномных расстояниях, а не просто большого количества вариантов для увеличения количества смежных общих отпечатков пальцев.

Сборка генома квиноа

Мы использовали информацию о гаплотипах для создания основы сборки de novo генома квиноа, который примерно в десять раз больше, чем геном A. thaliana. В больших геномах, богатых повторами, упорядочение контигов и создание каркасов становится сложной задачей.

В качестве эталонного генома мы секвенировали геном квиноа боливийского образца CHEN125, типичного белосемянного сорта, первоначально собранного в Лауачака в боливийском регионе Альтиплано на высоте 3800 м.Секвенирование было выполнено на платформе секвенирования Pacific Biosciences RS II, в результате был получен набор данных со средней длиной считывания 10464 п.н. и 65-кратным геномным покрытием (таблица 2), предполагая, что размер гаплоидного генома составляет 1,45 Гбит / с (Kolano et al. 2012). Распределение длины чтения имело два пика: 6800 пар оснований и 16000 пар оснований (Интернет-ресурс 2). Необработанные данные были скорректированы и собраны с использованием конвейера Canu (Koren et al., 2017), в результате чего размер сборки составил 1,32 Гбит / с, состоящий из 6747 контигов с длиной N50 608 кбит / с (называемой сборкой «Qpac»).Пятьдесят процентов сборки Qpac находилось в 546 контигах (таблица 3). Из набора из 2121 высококонсервативных генов растений, используемых в качестве входных данных для BUSCO (Seppey et al.2019; Simão et al.2015), мы обнаружили 2050 генов (96,7%) в Qpac, что предполагает полный охват пространства генов в нашей сборке (Таблица 4). Из 2050 BUSCO 184 были обнаружены более чем в двух экземплярах (до шести копий), а 1287 BUSCO появились ровно дважды. Было дуплицировано около 70% генов BUSCO, что отражает тетраплоидную природу генома квиноа.Действительно, несмотря на сборку диплоидного генома, квиноа произошла в результате гибридизации двух видов Chenopodium . Гомеологичные последовательности были успешно собраны по отдельности, что отражено в размере сборки 1,32 Gbp, что соответствует двойному размеру гаплоида его родительских доноров генома. Следовательно, большинство групп BUSCO было обнаружено дважды, поскольку они присутствуют в отдельных гомеологичных хромосомах.

Мы сопоставили данные парных концов Illumina от того же образца сборки PacBio и обнаружили, что 450 353 сайта были гетерозиготными (включая индели и SNP), что соответствовало 0,034% от общего количества. геном.

Мы оценили размер генома квиноа образца CHEN125 на основе данных секвенирования с учетом частотного распределения k-мер. Основываясь на 17-мерах, мы оценили размер диплоидного генома в 1.22 Gbp (Интернет-ресурс 11). Аналогичные результаты были получены для оценок на основе значений от k = 19 до k = 27 (от 1,23 до 1,27 Гбит / с). Квиноа - аллотетраплоидное растение, но его субгеномы достаточно различаются, так что его геном по существу ведет себя как диплоид (Schiavinato et al. 2021). Расчетный размер генома 1,22 Гбит / с и размер сборки 1,32 Гбит / с хорошо согласуются.

Интеграция сборки с общедоступной картой генетического сцепления

Для того, чтобы связать собранные контиги с 18 хромосомами квиноа, мы загрузили последовательности, которые ранее использовались в качестве маркеров для создания генетической карты генома квиноа на основе однонуклеотидной вариации ( Maughan et al.2012) и расположил их в сборке Qpac. Из 511 доступных маркеров, определяющих 29 групп сцепления, 356 выровнены однозначно с контигами Qpac. Всего 282 контига Qpac, составляющих 270 Мбит / с (20,5% сборки Qpac), можно однозначно отнести к группе сцепления. Из этих контигов 225 контигов содержали один маркер, а 57 контигов содержали от двух до пяти маркеров (Интернет-ресурс 3). Доля хромосомно присвоенных контигов может быть существенно увеличена после повторного секвенирования набора из 50 общедоступных образцов квиноа для определения вариантов и обнаружения гаплотипов: когда гаплотипы охватывают несколько контигов, могут быть установлены связи с еще не присвоенными контигами (см. Ниже).

Секвенирование 50 образцов квиноа и варианта, вызывающего

Мы выбрали 50 образцов квиноа из Боливии и Перу, происходящих из окрестностей озера Титикака, для полногеномного секвенирования с низким охватом (Интернет-ресурс 4). Посевной материал этих образцов доступен в общедоступных хранилищах, так что образцы могут быть повторно выращены при необходимости. Секвенирование геномной ДНК было выполнено на платформе Illumina, что дало в среднем 32 миллиона пар считывания на образец, что в среднем составляет 5.7-кратный геномный охват (от 4,3 до 7,4) до фильтрации. Качественные отфильтрованные чтения (средний охват от четырех до семи раз) от образцов были сопоставлены с эталонным геномом при средней скорости картирования от 47 до 59% (однозначное сопоставление пар в пределах ожидаемого размера вставки с геномом). Первоначальный вызов варианта перед дальнейшей фильтрацией с использованием Qpac в качестве эталона привел к получению в общей сложности 5 005 967 позиций вариантов, из которых 596 685 были вставками или делециями (инделциями) и 4 409 282 были однонуклеотидными полиморфизмами (SNP) (Интернет-ресурс 5 ) .Это было 1,44 миллиона вариантов на образец, в среднем 62% из которых были гомозиготными, а 38% - гетерозиготными. Для сравнения мы применили тот же подход к общедоступной сборке квиноа чилийского сорта QQ74 (Jarvis et al., 2017), называемого ASM168347v1, что дало 594194 инделя, 4706603 SNP и 1,89 миллиона позиций вариантов в среднем на образец (68% гомозиготный, 32% гетерозиготный). Учитывая, что сборка ASM168347v1 основана на сорте квиноа из Чили, в то время как эталон Qpac и повторно секвенированные образцы происходили как из боливийского, так и из перуанского региона Альтиплано, ожидалась более высокая степень вариации повторно секвенированных линий по сравнению с ASM168347v1. .Немного меньшее количество инделей в ASM168347v1 можно объяснить более низкой скоростью сопоставления с этим геномом (на 0,5–1% меньше) и большим количеством считываний, отображаемых как единичные считывания (т. Е. На 1–2,5% больше считываний, которые не могли быть выровнены как пары из-за одно из сопряжений не соответствует ожидаемому диапазону размеров вставки). Это может указывать на структурные изменения, которые трудно обнаружить с помощью коротких данных секвенирования парных концов Illumina.

Коэффициент перехода / трансверсии вариантов, обнаруженных с использованием любого эталона, имел одинаковое значение 1.50. Пять образцов с наибольшим числом вариантов были одинаковыми для обоих геномных ссылок и происходили из провинции Акомайо (Перу). Акомайо расположен в регионе Куско, который граничит с регионом Аякучо, где предполагается, что одомашнивание квиноа произошло 5000 лет назад (Lumbreras et al. 2008). Средняя плотность вариации от 3,34 положений на т.п.н. (CHEN125) до 3,53 положений на т.п.н. (QQ74) в геноме квиноа сравнима с плотностями вариантов у других одомашненных растений (Xu et al.2019) и намного ниже, чем у дикорастущих растений, таких как A. thaliana (101,95 позиций на тыс. П.о.) (Alonso-Blanco et al., 2016).

Было 3589483 позиции вариантов в Qpac, если рассматривать только двуаллельные SNP, покрытые по крайней мере половиной из 50 человек и с частотой минорных аллелей> 5%, что было набором данных SNP, используемых для дальнейшего анализа в контексте гаплотипов. строительные леса. С этими настройками мы наблюдали 1,18 миллиона позиций вариантов в среднем на образец, из которых 61% были гомозиготными и 39% были гетерозиготными.

Упорядочивание контигов на основе информации о гаплотипах

Варианты по собранным контигам Qpac анализировали в сегментах размером 100 кб. Каждый контиг меньше 100 кбит / с (4390 контигов на общую сумму 185 Мбит / с) считался одним сегментом. Всего для нашей сборки 1,32 Гбит / с мы получили 15 204 таких сегмента. Для каждого сегмента мы определили вариант отпечатка пальца и провели полное сравнение отпечатков пальцев для каждого сегмента. Некоторые сегменты не отображали вариаций и, следовательно, не имели отпечатков пальцев.Первоначально было 12366 сегментов, распределенных по 3172 контигам, показывающих общие паттерны вариаций, по крайней мере, с одним другим сегментом. Были удалены очень распространенные паттерны, а также паттерны, которые поддерживались только несколькими позициями внутри сегмента (предположительно возникающие из-за редких мутаций, недавних мутаций или неправильных вызовов вариантов). Отпечатки пальцев между сегментами должны были разделять по крайней мере 10% их вариантных паттернов, чтобы их можно было рассматривать как достаточно поддерживаемые отношения на основе гаплотипов. После фильтрации слабо поддерживаемых отношений сегментов было найдено 2188 контигов, которые имели общие отпечатки вариаций, по крайней мере, с одним другим контигом.Такие контиги образовали 371 группу, состоящую от двух до 82 контигов (Интернет-ресурс 6). Всего 2188 контигов составили 907 Мбит / с, то есть 69% сборки. Поскольку отпечатки вариаций могут охватывать несколько контигов, локальный порядок контигов не всегда можно было разрешить. Среди 371 группы 306 сформировали небольшие соединительные сети, которые можно было однозначно разделить на линейную структуру (рис. 4). Эти 306 групп содержали 849 контигов (2–11 контигов на группу) и охватывали 350 Мбит / с. Сети оставшихся 65 групп, состоящих из 1339 контигов, были более сложными (Интернет-ресурс 7).Чтобы получить окончательную сборку RefCHEN125, мы только скаффолдили или объединили контиги, для которых были доступны фактические вещественные доказательства, т. Контиги, которые не могли быть физически связаны, оставались в группе контигов (что отражено в названии последовательностей сборки). В этих случаях информация о гаплотипах не позволяет определить точный порядок контигов, а просто предоставляет информацию об их смежности.По нашему определению, группы контигов могут состоять из истинных каркасов , но могут также содержать контиги без точной информации о местоположении.

Порядок и ориентация четырех контигов Qpac на основе информации о гаплотипах и вещественных доказательств. Линии между контигами указывают на отношения высокой достоверности, основанные на общих моделях вариаций. Картирование мат-пар (соединительные линии справа, указано количество мат-пар) подтвердило смежность контигов и выявило их окончательный порядок и ориентацию; tig00010021 пришлось перевернуть в соответствии с совпадающим расположением пар матов.Результирующий размер каркаса составлял 561 kbp последовательности плюс 28 kbp пробелов

Среди групп, связанных вариационными отпечатками пальцев, 123 содержали контиги, ранее привязанные к генетическим маркерам (Интернет-ресурс 6, Интернет-ресурс 3). Было достигнуто общее согласие между генетическими маркерами и группами, сформированными по вариационным отпечаткам пальцев. Например, пять из 38 контигов, расширяющих контиг «tig00000000» 3,1 Мбит / с, ранее привязанный к группе сцепления 2 (LG 2), несли генетические маркеры, все из которых последовательно были из LG 2.Из всего 282 генетически заякоренных контигов Qpac (270 Мбит / с) было 214 контигов, которые можно было расширить с помощью 1206 дополнительных контигов (452 ​​Мбит / с) с помощью общих отпечатков вариаций (таблица 5). Остальные группы, не привязанные к генетическим маркерам, охватывают 250 Мбит / с в 768 контигах в 248 группах.

Таким образом, из 1.Сборка Qpac из киноа 32 Гбит / с, 908 Мбит / с продемонстрировала улучшенное упорядочение после использования общих отпечатков вариаций (т. Е. Информации о гаплотипе). В оставшихся 4559 контигах (411 Мбит / с) со средним размером 90 Кбит / с отсутствовали вариации, поэтому сравнение отпечатков пальцев не могло быть выполнено. Однако из них 68 контигов в 65 Мбит / с уже были заякорены в хромосоме на основе генетических маркеров. Общая генетически заякоренная фракция сборки после рассмотрения информации о гаплотипе составила 722 Мбит / с, что составляет 55% сборки Qpac.

Проверка основанных на гаплотипах отношений

Порядок контигов, основанный на информации о гаплотипах, был проверен на основе согласованности с парами партнеров Illumina, длинных чтений и / или перекрывающихся концов контигов, по сравнению с другой сборкой квиноа и назначением для связывания групп с помощью генетических маркеров.

Среди 123 групп контигов, которые также содержали по крайней мере один генетический маркер, только три группы содержали маркеры из двух разных хромосом. Так было с контигом Qpac «tig00007425» (965 кб), ранее назначенным LG 1, но связанным с несколькими контигами, назначенными LG 6 по информации гаплотипа.Однако «tig00007425» также содержал уникальный выравнивающий генетический маркер из LG 6 с более низкой оценкой картирования (Интернет-ресурс 3). Маркер LG 6 Cq04033_520 сопоставлен близко к левому концу контига, а маркер LG 1 Cq07822_1014 сопоставлен рядом с правым концом контига. Все контиги, связанные с помощью вариационных отпечатков пальцев и присвоенные LG 6, выходят из левого конца «tig00007425». При осмотре покрытия для чтения мы заметили падение покрытия между двумя маркерами, указывающее на возможное место неправильной сборки в «tig00007425.«Подобные случаи были обнаружены в двух других группах, содержащих противоречивые назначения групп сцепления; эти группы также показали падение покрытия между противоречивыми маркерами («tig00005716», присвоенный LG 12, сгруппированный с четырьмя назначенными контигами LG 15, и «tig00008618», назначенным LG 3, сгруппированным с двумя назначенными контигами LG 10). Таким образом, помимо подтверждения доступных присвоений LG, информация о гаплотипах привела к идентификации трех случаев потенциальных неправильных сборок, которые были разрешены путем разделения соответствующих контигов.С другой стороны, 36 групп контигов на основе гаплотипов содержали по крайней мере два генетических маркера из одной и той же LG и подтверждали друг друга.

Группа, содержащая наибольшее количество контигов, включала два контига LG 1 и всего 82 контига (всего 13 Мбит / с, онлайн-ресурс 6). Самая большая группа с точки зрения базовых пар включала 13 контигов на LG 5 и включала в общей сложности 74 контига (40 Мбит / с). В этой группе также было наибольшее количество контигов, содержащих генетические маркеры, то есть всего 13 маркеров.В целом организация контигов на основе информации о гаплотипах подтвердила назначение LG на основе генетических маркеров.

Группы контигов в целом соответствовали сборке квиноа на хромосомном уровне ASM168347v1 чилийского сорта QQ74 (Jarvis et al. 2017). Например, при выравнивании всех контигов и групп контигов, относящихся к LG 2 (всего 44 Mbp), со сборкой ASM168347v1, большинство из них имело выравнивание последовательностей от конца к концу в хромосоме 2 (рис. 5). Хромосома 2 ASM168347v1 имеет длину 59 Мбит / с, включая 2 Мбит / с неуказанных оснований.В то время как сети, созданные с помощью информации о гаплотипах, не могли полностью определить порядок и ориентацию каждого контига, общий порядок более крупных контигов и их хромосомная принадлежность были последовательно подтверждены ASM168347v1. Каркас CHEN125 позволил выделить три крупномасштабные инверсии в хромосоме 2 по сравнению с QQ74, что было сильно подтверждено данными о парных концах (рис. 5, синие линии).

Выравнивание нукмеров между последовательностями RefCHEN125, присвоенными хромосоме 2 квиноа, и сборке хромосомы 2 ASM168347v1.Синие линии изображают крупномасштабные инверсии, а красные линии изображают большие участки выравнивания по всей длине между двумя сборками

Для дальнейшей проверки порядка и ориентации контигов на основе гаплотипов мы упорядочили пары партнеров Illumina с пятью различными размерами пролета в диапазоне от 2,5 кбп до 8,1 кбп (Интернет-ресурс 8). Мы также приняли во внимание перекрытия между контигами и охватом длинных чтений. Среди всех отношений, основанных на гаплотипах (6435), 3351 имел по крайней мере одно поддерживающее долгое чтение. Длинные чтения имели размер, аналогичный размеру самой большой вставки библиотеки пар сопряженных пар (около 10 кбайт), так что соединения между контигами, перекрывающимися более чем на 10 кбайт, или между контигами, у которых неправильно собранные концы длиннее 10 кбайт, не могли быть охвачены чтениями.Всего мы соединили 1848 контигов в 790 последовательностей, содержащих от 2 до 13 контигов. Всего 1298 соединений между контигами были подтверждены парами спаривания, 416 соединений были подтверждены перекрытиями и 712 соединений были подтверждены как парами спаривания, так и перекрытиями. Кроме того, длинные чтения подтвердили 1480 соединений, уже поддерживаемых парами сопряжения или перекрытиями. В целом, из 2188 контигов, связанных с помощью информации о гаплотипах, 84,5% имели подтверждающие физические доказательства в виде мостовых пар, совпадающих длинных считываний и / или перекрытий для установления их связей.

Создание каркасов и объединение контигов квиноа

Мы интегрировали информацию из перекрытий, пар сопряжений и длинных считываний, чтобы улучшить непрерывность сборки Qpac, и получили версию каркаса под названием RefCHEN125. Сборка RefCHEN125 имеет длину N50 1079 т.п.н., общий размер 1,314 Гбит / с и включает 5689 последовательностей (таблица 3). Разница в размере между RefCHEN125 в отношении Qpac была в основном из-за перекрытия контигов, поддерживаемого парами сопряжения или длинными чтениями. Из-за размеров диапазона наших библиотек сопряженных пар (макс.размер пика 8 кб), которые находились в том же диапазоне, что и длина субпотока PacBio, обнаруженные ссылки чаще приводили к слиянию, чем к вставке пропусков. Основное улучшение произошло за счет переупорядочения 2188 контигов в соответствии с их смежностью в геноме, выведенной из информации о гаплотипах. Сборка Qpac первоначально предоставила непрерывную информацию для максимального участка в 7,3 Мбит / с, тогда как RefCHEN125 предоставил основанные на гаплотипах доказательства упорядоченных контигов в больших регионах до 39,7 Мбит / с и скаффолдинговых контигов в регионах до 10.5 Мбит / с. Последовательности в файле FASTA RefCHEN125 были упорядочены и переименованы, чтобы отразить их положение в собранном геноме.

Хромосомы, каркасы и контиги

//www.ensembl.org/?mobileredirect=no

Геномные сборки являются иерархическими.Самыми короткими компонентами сборки являются контиги, которые представляют собой последовательности, взятые у отдельных лиц. Контиги собираются в более длинные каркасы, а каркасы собираются в хромосомы, если имеется достаточная информация о картировании. Многие сборки генома собраны только до уровня каркаса.

Строительные леса подразделяются на три категории:

• Размещенные каркасы : каркасы размещены внутри хромосомы.
• Нелокализованные каркасы : хотя хромосома, внутри которой находится каркас, известна, положение или ориентация каркаса неизвестны.
• Неразмещенные каркасы : неизвестно, к какой хромосоме принадлежит каркас.

Отношения между контигами, каркасами и хромосомами определены в файлах AGP. Эти файлы описывают, как собранные последовательности (например, хромосомы) составляются из их компонентов (например, каркасов). В Ensembl мы импортируем последовательность ДНК на уровне контигов в наши основные базы данных. Мы также импортируем файлы AGP для сопоставлений контиг-скаффолд, контиг-хромосома и скаффолд-хромосома.Это позволяет нам генерировать последовательность каркаса и хромосомы на лету, сшивая последовательности контигов вместе, как указано в файлах AGP.

Верхний уровень

Для каждой сборки генома мы определяем набор последовательностей верхнего уровня. Это участки последовательности в сборке генома, которые не являются компонентом другой области последовательности. Например, когда геном собран в хромосомы, последовательностями верхнего уровня будут хромосомы и любые нелокализованные или неразмещенные каркасы.