利用校正长读长的k-mer频率估计基因组大小
基因组学
2020-03-27 v1
摘要
以PacBio和Nanopore为代表的第三代长读长测序技术，在从头组装研究中相比第二代Illumina测序具有显著优势。然而，由于固有的低碱基准确率，第三代测序数据无法用于基于k-mer频率的k-mer计数和基因组特征估计。因此，在当前基因组项目中，仍需第二代数据来准确确定基因组大小及其他基因组特征。我们表明，校正后的第三代数据可用于可靠地计数k-mer频率并估计基因组大小，从而替代第二代数据。因此，未来的基因组项目可仅依赖一种测序技术即可完成组装与k-mer分析，这将大幅降低时间与资金上的测序成本。此外，我们提出了一个快速轻量级工具kmerfreq，并用其完成本工作中所有的k-mer计数任务。我们已经证明校正后的第三代测序数据可用于估计基因组大小，并开发了一个新的开源C/C++ k-mer计数工具kmerfreq，其可在 https://github.com/fanagislab/kmerfreq 免费获取。
引用
@article{arxiv.2003.11817,
title = {Estimation of genome size using k-mer frequencies from corrected long reads},
author = {Hengchao Wang and Bo Liu and Yan Zhang and Fan Jiang and Yuwei Ren and Lijuan Yin and Hangwei Liu and Sen Wang and Wei Fan},
journal= {arXiv preprint arXiv:2003.11817},
year = {2020}
}
备注
In total, 24 pages include maintext and supplemental. 1 maintext figure, 1 table, 3 supplemental figures, 8 supplemental tables