大麻(Cannabis sativa)的四个单倍型解析基因组组装及一个无参考的66单倍型泛基因组图谱

《Scientific Data》:Four haplotype-resolved genome assemblies and a reference-free 66-haplotype pangenome graph for Cannabis sativa

【字体: 大 中 小 】 时间:2026年08月27日 来源:Scientific Data 7.2

编辑推荐:

  研究人员呈现了四个大麻的单倍型解析、染色体级别二倍体组装,这些组装基于ONT R9.4.1读段通过一种基于Hi-C定相(Hi-C phasing)的新颖流程构建。这些组装虽然QV(质量值)较低,但提供了与近期HiFi组装相当的连续性和基因含量。连同研究人员此前

  
研究人员呈现了四个大麻的单倍型解析、染色体级别二倍体组装,这些组装基于ONT R9.4.1读段通过一种基于Hi-C定相(Hi-C phasing)的新颖流程构建。这些组装虽然QV(质量值)较低,但提供了与近期HiFi组装相当的连续性和基因含量。连同研究人员此前通过trio-binned(家系三分箱)产生的组装,以及从Salk Institute Cannabis Pangenome project中选出的56个单倍型,研究人员利用这些组装创建了一个无参考的泛基因组图谱(pangenome graph)。在总长6.48 Gb中,它包含162.14 M节点(nodes)、228.27 M边(edges)、14.87 M SNP和6.40 M插入缺失(indels)。通过在Pangenome Graph Builder(PGGB)内优化参数,研究人员避免了重复元件间许多虚假连接,减少了处理时间,并得到一个可直观再现植物染色体线性特征的数据结构。通过k-mer分析,研究人员证实需要更多基因型来关闭大麻泛基因组,且特别是起源区域很可能仍采样不足。
研究背景方面,随着大麻合法化,其遗传知识正快速接近其他次要作物水平,近十年发表三万余篇论文,已有多个染色体级别基因组和181个PacBio组装及两个泛基因组图谱发布。然而植物基因组存在巨大结构多样性,两个高质量组装比对可发现约三分之一基因组高度分化,因此为准确刻画大片段结构变异(SV)偏好从头(de novo)组装而不依赖中等相似度草稿的位置信息。ONT平台读长可达数百kb但R9.4.1孔错误率常超杂合度,给真实变异排布成准确单倍块带来计算挑战;HapCut2等通过伪单倍体草稿再定相,PECAT则通过神经网络叫SNP后回到底层字符串图消除相位切换重叠,但牺牲覆盖与碱基精度。已有GreenHill等Hi-C定相脚手架工具会修剪同源contig且常方向错误。此外Minigraph-Cactus会丢弃高度分化区碱基,而PGGB默认配置在重复元件(占大麻基因组70%以上)间产生大量虚假比对致染色体呈环状而非线性。该研究发表于《Scientific Data》,旨在以优化流程产出单倍型解析组装并无参考构建大麻泛基因组图谱,揭示结构多样性与泛基因组未闭合现状。
关键技术方法上,研究人员选用4个Lighthouse Genomics基因型(Anders CBD、Hawthorne OG、Sri Lankan、Travis CBD)及此前trio-binned的Punto Rojo与Cherry Pie,外加Salk项目56单倍型共66单倍型。测序采用ONT PromethION/MinION R9.4.1读段、Illumina PCR-free与Arima Hi-C。组装以PECAT做单倍型感知纠错与定相,GreenHill初筛脚手架,YaHS(Yet another Hi-C Scaffolder)重脚手架,手动比对Sour Diesel B(SODLb)定向连接成染色体伪分子并统一至cs10朝向。泛基因组用PGGB以每染色体独立构建,调大k-mer与窗口、提高一致性阈值、丢弃最丰富10% minimizer(-F 10),odgi可视化,panacus做稀释曲线。
研究结果部分,Background & Summary小节指出,通过PECAT+GreenHill+YaHS流程获4个二倍体单倍型解析组装,BUSCO约95%,QV由ONT原始16升至24但低于HiFi;以8自有+2 trio-binned+56 Salk共66单倍型入PGGB,总碱基6.48 Gb为平均个体8.47倍,含162.14 M节点、228.27 M边、14.87 M SNP、6.40 M indel;优化参数后染色体呈线性、亚端粒高度分化区(HDR)显露,核心(CORE,>90%样本)199 Mb、壳层(SHELL)3609 Mb、云层(CLOUD,<6%)2673 Mb,Yunma-7加入仍增变体证实泛基因组未闭合并暗示起源区(如云南)采样不足。Methods小节说明样本来自国家研究委员会(多伦多)提纯核DNA、Blue Pippin选50 kb以上,PECAT调块至400 Gb、minimap2 -k19、Clair3叫变异、ntEdit以40/26-mer抛光、HapHiC初筛、YaHS终脚手架、SODLb与cs10定向。Data Records小节列出ENA/GenBank登录号GCA_051911675.1等8个组装及SRP705488等SRA项目,Zenodo存PanSN命名组装与图谱。Technical Validation小节报告PromethION产35.6–79.8 Gb(N50 21.2–63.7 kb)、MinION产4.0–11.8 Gb,Sri Lankan因覆盖低(31×)相位不全但双套BUSCO 98.7%;8单倍型对SODLb整体共线,仅chr3中段22 Mb倒位疑为SODLb脚手架方向错;66单倍型24-mer共有谱示chr7因THC/CBD合成酶单倍块及XY性别染色体分化而共有k-mer稀少。
讨论与结论翻译:研究人员证实以PECAT处理ONT R9.4.1配合Hi-C定相可产染色体级单倍型组装,虽QV偏低但连续性与基因含量可比HiFi;在PGGB中通过更长k-mer、更大窗口、更高一致性及排除高丰度minimizer,能抑制重复元件虚假比对、还原染色体线性并保留亚端粒基因富集的高度分化区;66单倍型无参考图谱显示大麻泛基因组远未闭合,尤其起源中心(含中国云南Yunma材料)仍欠采样,后续需加样系。该资源为 cannabinoid synthase 演化与抗性簇结构变异研究提供无偏框架。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号