k-mer具体是指什么?
发布网友
发布时间：2024-10-23 22:50
共1个回答
热心网友
时间：2024-10-30 08:42
在基因组/宏基因组测序中，受测序技术读长的，需要将样品总DNA使用鸟法打断成小片段进行测序，拿到测序数据后再利用这些短序列来构建基因组图谱/宏基因组序列。基因组图谱可分为框架图（草图，draft）、精细图、完成图（全图），具体如下所示：框架图：指经生物信息学分析后，拼接得到的基因组覆盖度大于95%，基因区覆盖度达到98%以上，contig N50达到5Kb，scaffold N50达到20Kb，单碱基错误率在十万分之一以下，一般采用小片段文库使用二代测序Hiseq完成。
精细图：指经生物信息学分析后，拼接得到的基因组覆盖度大于98%，基因区覆盖度达到99%以上，contig N50达到20Kb，scaffold N50达到300Kb，单碱基错误率低于十万分之一，gap数不超过100个，一般采用大片段加小片段文库，使用二代测序Hiseq、Miseq完成。
完成图：指经生物信息学分析后，拼接得到完整的基因组序列（1个Scaffold，≤5gaps），单碱基错误率低于十万分之一，使用二代、三代测序共同完成。测序数据组装中常见的概念及其含义如下所示：k-mer：是指将一条序列分成包含k个碱基的子字符串，如果reads长度为L，k-mer长度设为k，则产生的k-mers数目为：L-k+1，例如序列AACTGACT，设置k为3，则可以将其分割为AAC ACT CTG TGA GAC ACT共6个k-mers。
其中k一定是奇数，如果是偶数遇到回文序列可能会产生完全相同的k-mers。Contig：即片段重叠群，指拼接软件基于短序列之间的重叠区（overlap），拼接获得的较长序列。Scaffold：本意即片段框架，由先后顺序已知的Contigs组成的序列，中间有Gap。
基因组de novo测序中，通过reads拼接获得Contigs后，往往还需要构建454 Paired end库或Illumina Matepair库，以获得一定大小片段（如3Kb、6Kb、10Kb、20Kb）两端的序列。基于这些序列，可以确定一些Contig之间的顺序关系，这些先后顺序已知的Contigs组成Scaffold。
N50：Reads拼接后会获得一些不同长度的Contigs。将所有的Contigs长度相加，获得Contig总长度。然后将所有的Contigs按照从长到短进行排序，如获得Contig1，Contig2，Contig3…Contig25。将Contigs按照这个顺序依次相加，当相加的长度达到Contig总长度的一半时，最后一个加上的Contig长度即为Contig N50，可以作为基因组拼接的结果好坏的一个判断标准。
此概念很容易被误认为所有Contigs长度排名第50的序列长度，与之类似的有N90，N50与N90同样适用于Scaffolds。
