从HiFi到ONT：手把手教你构建T2T基因组的完整测序策略
从HiFi到ONT：构建端到端基因组的全流程实战指南
在基因组学研究领域，T2T（端到端）基因组代表着最高水平的组装完整性——从一条染色体的端粒到另一端粒，不留任何未知间隙。这种级别的基因组不仅包含了传统组装中容易丢失的重复区域、端粒和着丝粒，更为研究基因组结构变异、进化机制和功能元件提供了前所未有的完整视角。本文将带您从技术选型到实操细节，系统掌握构建T2T基因组的全流程。
1. 测序技术选型：HiFi与ONT的黄金组合
1.1 HiFi测序：高精度长读长的基石
PacBio HiFi测序通过环形一致性测序（CCS）技术，能在保持10-25kb读长的同时实现99.9%的单碱基精度。这种特性使其成为：
- 核心组装骨架：HiFi数据能准确跨越中等重复区域，形成高质量的contig
- 变异检测利器：高精度适合SNP、indel和小型结构变异的鉴定
- 经济性平衡：相比传统长读长测序，HiFi的性价比更高
重要参数建议：人类基因组推荐≥30× HiFi覆盖度，植物基因组建议≥50×（考虑多倍体因素）
1.2 ONT超长读长：攻克复杂区域的王牌
牛津纳米孔（ONT）技术的关键优势在于：
| 特性 | 优势 | T2T应用场景 |
|---|---|---|
| 100kb+读长 | 跨越超大重复单元 | 连接contig间的gap |
| 直接RNA测序 | 表观修饰检测 | 着丝粒特征分析 |
| 实时数据输出 | 快速质量监控 | 动态调整测序策略 |
典型应用案例：使用ONT Ultra-long试剂盒获得的N50>100kb数据，能有效填补着丝粒区域的组装空白。
2. 实验设计与样本准备
2.1 样本选择的关键考量
- 细胞类型：优先选择二倍体细胞系或近交系个体
- DNA提取：
# 推荐流程（哺乳动物组织） fresh_sample → 液氮速冻 → 研磨 → CTAB法提取 → BluePippin size selection (>50kb) → Qubit定量 - 质量评估：
- 纳米孔检测：DNA片段>50kb占比应超过60%
- 降解检查：琼脂糖电泳应无smear现象
2.2 测序深度优化策略
根据基因组特性动态调整：
def calculate_coverage(genome_size, read_length, desired_x): total_bases = genome_size * desired_x return total_bases / (read_length * 2) # 假设双端测序 # 示例：1Gb基因组，HiFi 15kb读长，目标30× calculate_coverage(1e9, 15000, 30) # 输出约100万条reads3. 混合组装实战流程
3.1 初步组装四步法
- HiFi数据预处理：
- 使用
pbccs生成一致性序列 hifiasm进行初步组装
- 使用
- ONT数据校正：
minimap2 -x map-ont hifi_assembly.fa ont_reads.fq > overlaps.paf racon -t 16 ont_reads.fq overlaps.paf hifi_assembly.fa > polished.fa - gap填补：
- 运行
TGS-GapCloser整合ONT超长读长 - 使用
Sealer进行局部填补
- 运行
- 着丝粒验证：
- 通过CENH3 ChIP-seq数据确认位置
- 检查串联重复单元的一致性
3.2 质量评估三维度
- 连续性指标：
- N50 > 染色体平均长度的80%
- 完全组装的染色体数量
- 完整性验证：
busco -i assembly.fa -l eukaryota_odb10 -o busco_out -m genome - 端粒特征：
- 使用
TelomereHunter检测(TTAGGG)n重复模式 - 每条染色体末端应有≥2kb的端粒信号
- 使用
4. 疑难问题解决方案库
4.1 常见挑战应对方案
| 问题现象 | 可能原因 | 解决方案 |
|---|---|---|
| 着丝粒断裂 | 重复单元相似度高 | 增加ONT Ultra-long数据 |
| 端粒缺失 | DNA降解 | 重新提取保护性样本 |
| 杂合区域塌陷 | 高杂合度 | 尝试hifiasm的--purge-dups |
4.2 计算资源优化建议
- 内存管理：
hifiasm组装1Gb基因组约需300GB RAM- 使用
--dt参数启用低内存模式
- 加速技巧：
# 并行化示例 parallel -j 4 "minimap2 -t 6 {} ont_reads.fq > {.}.paf" ::: chunk*.fa
5. 进阶技巧：多组学数据整合
结合Hi-C数据提升染色体水平组装：
- 使用
Juicer生成接触矩阵 3D-DNA进行染色体挂载- 手动调整
JBAT可视化结果
表观修饰分析流程：
guppy_basecaller -i ont_fast5 -s basecalled --config dna_r9.4.1_450bps_modbases nanopolish call-methylation -r reads.fa -b basecalled -g assembly.fa > methylation.tsv在实际项目中，我们发现着丝粒区域的甲基化模式往往呈现独特的"马赛克"分布，这种特征可作为组装正确性的辅助验证。而对于端粒到端粒的完整组装，建议至少保留三份原始数据备份，因为着丝粒区域的重复序列在计算拼接时容易引发软件错误——这是我们通过七个物种的T2T项目总结出的宝贵经验。