近日，中國(guó)科學(xué)院昆明動(dòng)物研究所研究員張亞平和馬占山領(lǐng)導(dǎo)的團(tuán)隊(duì)發(fā)布了以“10x Genomics測(cè)序”輔助“三代測(cè)序”的混合組裝策略和軟件技術(shù)。研究人員采用美國(guó)加州大學(xué)Jain等人2018年發(fā)表在Nature Biotechnology上（doi: 10.1038/nbt.4060.）的人類基因組三代測(cè)序數(shù)據(jù)進(jìn)行了示范測(cè)試，結(jié)果表明，新方法能夠?qū)y(cè)序深度從Jain等所用的35倍降低至7倍，降低幅度達(dá)80%；轉(zhuǎn)換成測(cè)序成本，新技術(shù)成本大約是純?nèi)鷾y(cè)序的1/4。該技術(shù)發(fā)明專利已正式受理，該研究成果在線發(fā)表在Genomics上。新技術(shù)由于能夠大幅度降低三代測(cè)序所需成本，從而為進(jìn)一步推進(jìn)測(cè)序技術(shù)從目前主流的二代技術(shù)向三代技術(shù)的產(chǎn)業(yè)升級(jí)再次提供了良好契機(jī)。

　　基因測(cè)序技術(shù)系生命科學(xué)和生物科技的核心技術(shù)之一，目前正處在從主流的二代測(cè)序技術(shù)向三代技術(shù)進(jìn)行產(chǎn)業(yè)升級(jí)的過(guò)渡階段。三代技術(shù)以其超長(zhǎng)讀段（最新技術(shù)可達(dá)1兆），較之以短讀段取勝的二代技術(shù)具備諸多技術(shù)優(yōu)勢(shì)，無(wú)疑是測(cè)序技術(shù)的未來(lái)。但三代技術(shù)在與二代技術(shù)競(jìng)爭(zhēng)中，也存在兩大劣勢(shì)，其一是三代測(cè)序硬件（測(cè)序儀）的堿基水平（base-pair）錯(cuò)誤率至今仍然高達(dá)15%（二代測(cè)序錯(cuò)誤率不到1%），其二是目前測(cè)序成本仍然居高不下。

　　事實(shí)上，三代測(cè)序超高錯(cuò)誤率也使得三代測(cè)序數(shù)據(jù)的組裝分析遇到了極大挑戰(zhàn)。例如，2014年，主流的三代基因測(cè)序軟件在組裝人類基因組時(shí)，僅“多重比對(duì)”一步就耗時(shí)400,000個(gè)CPU小時(shí)，而且是借助了谷歌公司超級(jí)計(jì)算機(jī)集群。2014年，馬占山與美國(guó)馬里蘭大學(xué)博士葉承羲合作發(fā)布的三代測(cè)序組裝軟件（DBG2OLC）將這一計(jì)算步驟減少到了大約6小時(shí)，而且是在一臺(tái)普通工作站完成的。DBG2OLC使得原本需要超級(jí)計(jì)算機(jī)集群才能完成的計(jì)算可以在普通工作站上完成，目前DBG2OLC仍然是三代測(cè)序軟件中運(yùn)行速度最快、內(nèi)存需求最少的軟件和算法。2016年他們合作發(fā)布了另一款用于三代測(cè)序糾錯(cuò)的軟件SPARC，該軟件將三代測(cè)序軟件技術(shù)的組裝錯(cuò)誤率降低到0.5%以下；與當(dāng)時(shí)最優(yōu)秀的同類軟件相比，可節(jié)省計(jì)算時(shí)間和內(nèi)存達(dá)80%。DBG2OLC和SPARC軟件不僅有效彌補(bǔ)了三代測(cè)序硬件技術(shù)超高錯(cuò)誤率的缺陷，而且也為最新的“10x技術(shù)輔助的混合三代測(cè)序”奠定了高效、可靠的算法和軟件基礎(chǔ)。此次發(fā)布的技術(shù)仍然得到了葉承羲的支持和幫助。

　　馬占山為文章的第一作者，馬占山和張亞平為文章的共同通訊作者。相關(guān)工作得到國(guó)家自然科學(xué)基金、云嶺產(chǎn)業(yè)技術(shù)領(lǐng)軍人才、云南省國(guó)際合作基金等的資助。

　　文章鏈接

昆明動(dòng)物所在三代基因測(cè)序領(lǐng)域取得進(jìn)展