【正文】 接。 DNA 序列片段拼接（ DNA sequence assembly ，又稱序列拼接）的任務(wù)就是根據(jù)基因組測序得到的上千萬個小片段序列通過比對再正確拼接起來。 Venter 把這種戰(zhàn)略 稱為 “ 全基因組隨機(jī)測序 ” 也 稱為 “ 全基因組鳥槍戰(zhàn)略 ” (whole genome shotgun strategy)。眾所周知，生物的基因組是指該生物所有遺傳物質(zhì)的總和，絕大部分基因組由 DNA(脫氧核糖核酸 )組成。測序儀器產(chǎn)生數(shù)據(jù)。由于不同 時 代技術(shù)之間功能上的互補(bǔ)性 , 它們將長期 共存。它利用鑲嵌于脂質(zhì)雙分子層中的經(jīng)過基因工程改造過的 α 溶血素蛋白作為納米孔道。 HeliScope 測序技術(shù)的測序通量可以達(dá)到 35 Gb，平均測序讀長為 35nt（ nucleotide 核苷酸），在測序深度為 20 倍覆蓋率的情況下，測序準(zhǔn)確率為 %。但是，早期的第二代測序技術(shù)仍然存在諸如文庫構(gòu)建過程復(fù)雜、測序成本依然較高等缺點(diǎn)。通過比較不同品種間的基因組序列差異，可以發(fā)現(xiàn)與特殊性狀或者疾病相關(guān)的基因。 （ 3） 生成的 read 長度短 。 SOLID 測序技術(shù)也因此有較高準(zhǔn)確率 。隨后用擴(kuò)增試劑把磁珠乳化，形成油包水的混合物，這樣就形成了只包含一個磁珠和一個 DNA 片段的微反應(yīng)器。每個克隆由單個文庫片段的多個拷貝組成。 3． 計(jì)算機(jī)分析：根據(jù)得到的譜帶，運(yùn)用計(jì)算機(jī)讀 取 軟件 (Basecalling software)進(jìn)行圖像處理，以確定譜帶所蘊(yùn)含的 DNA 序列。在 2021 年第二代測序技術(shù)問世， Sanger 測序法 改 稱為第一代測序技術(shù)。 DNA 鏈上排列著許多堿基對，如果能測出這些堿基對的順序，就能夠了解各個基因的特點(diǎn)，幫助遺傳學(xué)和醫(yī)學(xué)中的相關(guān)研究。重測序的個體，如果采用的是 雙端測序（ pair end sequencing） ，當(dāng)測序深度在 10~15X 以上時，基因組覆蓋度和測序錯誤率控制均得以保證。接下來 將所有的 Contig 按照從長到短進(jìn)行排序， 然后依次進(jìn)行編號，得到 , , ,......,1 2 3Con tig Con tig Con tig Con tig n 。在實(shí)際情況中， contig 和 contig 之間并不能直接連接起來。全基因組序列圖譜完成后，可以構(gòu)建該物種的基因組數(shù)據(jù)庫，為該物種的后基因組學(xué)研究搭建一個高效的平臺 ，為后續(xù)的基因挖掘、功能驗(yàn)證提供 DNA 序列信息，為疾病、癌癥等的研究提供真實(shí)有效的數(shù)據(jù) 。 Telescoper [17]算法是以一個較長的序列作為種子進(jìn)行啟發(fā)式迭代擴(kuò)展的 。基于化學(xué)的 第一代測序技術(shù) 桑格測序方法得到的讀 長 的長度范圍從大約 500 至 1000個堿基。在人類基因組計(jì)劃后相繼推出的水稻基因組計(jì)劃、馬鈴薯基因組計(jì)劃、草魚基因組計(jì)劃等和快速增長的微生物基因測序“海量”的基因信息的積累催生了“功能基因組”時代的 來臨。 關(guān)鍵詞： 無模版 拼接； 重疊群 ； 融合 ； 基因組測序 ABSTRACT The emergence of nextgeneration sequencing platforms leads to resurgence of research in wholegenome Shotgun assembly algorithms and software. DNA sequencing data from recent platforms typically presents higher throughput, higher coverage, lower cost, but shorter read lengths and different error profiles when pared with Sanger sequencing data. Producing highquality de novo assemblies from shortreads remains challenging, primarily because of the plex repeat structures found in the genomes of most higher anisms. Since 2021, several assembly software packages have been created or revised for de novo assembly of nextgeneration sequencing data, including Velvet, ABySS, AllPaths, SOAPdenovo, and Telescoper. Alkan et al. report that a de novo shotgun assembly of the human genome using shortreads is 16% shorter than the reference assembled using more laborious means. Indeed, it is well recognized that there is room for better algorithmic use of the data. After a detailed analysis of the results of these assembly algorithms, we propose a graphbased algorithm, using contigs from some base assembly algorithms by indexing, read mapping, contig clustering and clustergraph building and some other steps with the result of longer sequence called scaffold. By indexing and read mapping, we aim at obtaining the correlation between the contigs from different assembly algorithms, and then clustering these contigs. Contigs in each cluster are considered plementary, potential that could be assembled. Finally, we build a clustergraph for each cluster, the longest path of each clustergraph will be the scaffold produced by our method. The results of our study show that two standard metrics (the largest scaffold and scaffold N50) are increased by 50% when pared to the current best algorithm Velvet, ABySS, and SOAPdenovo. We also demonstrate that the assembly results could be further improved when more base assembly algorithms are included. The proposed method greatly improves the length of contig sequence, reduces the difficulty of further evaluation and analysis of genes, provides better clues to solve biological problems and rapidly accelerates the pace of genomic research anisms. Key words： De novo assembly。 ALKAN 等人在報告中指出，使用短讀長進(jìn)行人類基因組無模板拼接的結(jié)果 比使用 長讀長得到的拼接結(jié)果 還短 16%。 5 論文水平 論文論點(diǎn)正確，論點(diǎn)與論據(jù)協(xié)調(diào)一致，論據(jù)充分支持論點(diǎn)，論證過程有說服力。 二、進(jìn)度及預(yù)期 結(jié)果： 起止日期 主要內(nèi)容 預(yù)期結(jié)果 選題確認(rèn)并完成開題報告、任務(wù)書的填寫、提交、審核 深入了解課題內(nèi)容、算法分析、確定算法系統(tǒng)框架、熟悉開發(fā)工具 完成算法的邏輯實(shí)現(xiàn)，和工具包的開發(fā)，完成算法系統(tǒng)的大部分功能，初稿完成 進(jìn)行實(shí)驗(yàn)結(jié)果整理，并 進(jìn)一步提高各項(xiàng)指標(biāo)，二稿完成 畢業(yè)論文 的審核、修改 及定稿并裝訂 答辯 完成 完成 完成 完成 完成 完成 完成課題的現(xiàn)有條件 硬件： 曙光小型機(jī) (Sugon Server Main Server Chassis) 軟件： Vim、 Emacs、 Gcc/G++、 Eclipse、 Python、 Visual Studio2021 參考文獻(xiàn)： [1] Bresler, M., Sheehan, S., Chan, ., and Song, . Telescoper: De novo Assembly of Highly Repetitive Regions. ECCB39。最長路徑所包含的堿基序列即為我們算法拼接之后的結(jié)果。 (4) 尋找潛在可拼接的 contig 對。根據(jù)索引將原始數(shù)據(jù)庫中的全部的基因序列映射到 contigs 上。然后將達(dá)到一定長度的共同片段聚到一個簇中。這樣，絕大多數(shù)生物的基因組都不能通過實(shí)驗(yàn)手段一 次性獲得，必須借助計(jì)算機(jī)技術(shù)進(jìn)行后續(xù)拼接。一個物種基因組序列圖譜的完成，意味著這個物種學(xué)科和產(chǎn)業(yè)的新開端，這也將帶動這個物種下游一系列研究的開展。 2. 課題研究的主要內(nèi)容 基因序列是包含在生物中每個染色體中的 DNA 堿基序列的集合。 一部分算法的結(jié)果也 scaffolds。映射規(guī)則如下： ○ 1 .對 contigs 中堿基進(jìn)行 數(shù)值化。 (5) 求最長公共子序列篩選潛在可拼接的 contig 對。 結(jié)果顯示，使用我們的算法，大幅度的增長了的 MAX {contigs}。 10 題目與生產(chǎn)、科研等實(shí)際問題結(jié)合緊密。 10 合計(jì) 100 意見及建議： 評閱人簽名： 年 月 日 天津工業(yè)大學(xué) 畢業(yè)論文 成績考核表 學(xué)生姓名 徐 學(xué)院名稱 計(jì)算機(jī)科學(xué)與軟件 專業(yè)班級 軟件 題目 基于高重復(fù)區(qū)域基因序列的無模板拼接算法 1． 畢業(yè)論文 指導(dǎo)教師評語及成績： 指導(dǎo)教師簽字： 年 月 日 2． 畢業(yè)論文 答辯委員會評語及成績： 答辯主 席 （或組長）簽字： 年 月 日 3． 畢業(yè)論文 總成績： 給定成績 給定成績 總成績 (a +b +c ) 成績： 成績： 摘 要 隨著新一代基因組測序技術(shù)的推廣使用，全基因組 Shotgun 拼接算法和軟件得到了廣泛的研究。構(gòu)建索引和讀長映射兩個步驟旨在通過讀長（ read）找到不同算法獲得的 contig 之間的相關(guān)性，然后通過這個相關(guān)性進(jìn)行聚簇，簇內(nèi)的所有 contig 具有互補(bǔ)性，是潛在的可拼接的 序列 。 DNA sequencing 目 錄 第一章 緒 論 ....................................................................................... 1 背景目的和意義 .............................................................................................. 1 術(shù)語 .................................................................................................................. 2 基因組測序技術(shù)簡介 ...................................................................................... 4 第一代測序技術(shù) .....