基因組組裝“山羊級(jí)”產(chǎn)品

NATURE/SCIENCE任性發(fā)之山羊篇

前段時(shí)間，傳得沸沸揚(yáng)揚(yáng)的山羊基因組終究是發(fā)表了，果不其然到了Nature genetics 這種高大上的雜志！今天就來(lái)看看有啥經(jīng)驗(yàn)（槽點(diǎn)）可以借鑒（吐）的！
1. 技術(shù)篇
遙想當(dāng)年，人類基因組計(jì)劃（HGP）花了30億美金，通過(guò)黃金測(cè)序硬是把人基因組組裝出來(lái)，經(jīng)過(guò)多年的數(shù)據(jù)及組裝技術(shù)迭代提升，到了現(xiàn)在廣為認(rèn)可的GRCH38這個(gè)版本?，F(xiàn)在山羊基因組告訴我們，基于新技術(shù)的的組合拳（三代+光學(xué)+HI-C），任何一個(gè)物種的基因組都可以媲美人基因組。到底是怎么回事呢？
山羊文章屬于paper中的技術(shù)貼，沒(méi)有太多故事的成分。開(kāi)篇就分別闡述了當(dāng)前基因組組裝的難點(diǎn)，及三代，光學(xué)，HI-C的技術(shù)特點(diǎn)，然后就拋出了個(gè)極好的結(jié)果，將小編及讀者們給震撼著。毫無(wú)疑問(wèn)，這是小編多年從業(yè)來(lái)看到的最牛逼的基因組！遙想當(dāng)年，一個(gè)細(xì)菌完成圖可是費(fèi)了小編近2年的精力啊，現(xiàn)在不禁潸然淚下！現(xiàn)在大基因組，都已經(jīng)到了完成圖的邊緣。
話說(shuō)回來(lái)，既然是技術(shù)貼，咱們還是先來(lái)看看組裝策略吧。簡(jiǎn)單的說(shuō)，組裝的方針就是用三代單分子組裝到contig，基于光學(xué)圖譜構(gòu)建scaffold，之后在用HIC構(gòu)建染色體版scaffolds，然后基于RH群體構(gòu)建的遺傳圖去矯正之前組裝的錯(cuò)誤，最后基于二代短reads補(bǔ)gap。具體的組裝軟件及參數(shù)在文章中的都很明了，小編在此就不贅述了。效果么，直接上表！

關(guān)于準(zhǔn)確性嘛，文章也給了好幾張主圖，重點(diǎn)看看RH map的組裝驗(yàn)證，如下：

做完技術(shù)講解后，文章里也祭出了大招，虐前任。無(wú)論從指標(biāo)還是準(zhǔn)確性上來(lái)說(shuō)，新的ARS1基因組，都將前兩任基因組虐的體無(wú)完膚。不禁感嘆，山羊基因組是如此牛掰！這樣的基因組要不要來(lái)一個(gè)？
2. 價(jià)格篇
從技術(shù)上來(lái)說(shuō)，山羊的組裝策略（三代+光學(xué)+HIC）適用于絕大部分動(dòng)植物，那是不是山羊級(jí)別的基因組會(huì)如雨后春筍般滴涌現(xiàn)出來(lái)呢，小編難以認(rèn)同這個(gè)觀點(diǎn)！對(duì)于科研工作者來(lái)說(shuō)經(jīng)費(fèi)是不得不考慮的問(wèn)題，畢竟巧婦難為無(wú)米之催??！在此，小編不禁就要YY了，山羊基因組到底需要花費(fèi)多少價(jià)格呢？某位資深同事告訴小編，這個(gè)項(xiàng)目做的早，沒(méi)有500W RMB，根本玩不起來(lái)，很可能是千萬(wàn)級(jí)別！小編依稀記得，很久之前人基因組二代測(cè)序成本就已經(jīng)來(lái)到了1000美元世代，這才是親民價(jià)??！山羊的價(jià)格并不是普通人都能玩得起的。話說(shuō)回來(lái)，如果現(xiàn)在重復(fù)山羊的工作，又要多少錢呢？小編再次厚著臉皮問(wèn)了問(wèn)，憑借sequel平臺(tái)，如果產(chǎn)出相同三代數(shù)據(jù)量，同時(shí)完成文章中其它測(cè)序等工作，成本大約在300 W RMB。時(shí)隔兩年，這價(jià)格硬生生降了一倍??！小編相信，過(guò)一段時(shí)間后，更多的“山羊”會(huì)冒出來(lái)。
容小編吐槽一下，單從三代數(shù)據(jù)來(lái)說(shuō)，文章中共測(cè)序了465個(gè)cells，得到了194 Gb subreads。平均每個(gè)cell的產(chǎn)出才417 Mb數(shù)據(jù)量，產(chǎn)出是如此的低。放到現(xiàn)在，小編可以想象到叫獸們拿到這種數(shù)據(jù)是怎樣的暴怒！
3. 文章篇
毫無(wú)疑問(wèn)“山羊基因組”給行業(yè)帶來(lái)了新標(biāo)桿，后山羊時(shí)代，基因組文章怎么走呢？是不是只有基因組到了山羊水平才能發(fā)NSC呢？反之是不是到了山羊水平基因組就可以發(fā)NSC了呢？不要急，來(lái)聽(tīng)聽(tīng)小編的觀點(diǎn)。
不知道大家有沒(méi)有聽(tīng)過(guò)IT行業(yè)的摩爾定律，一定的周期后，CPU的性能和價(jià)格將是上一期產(chǎn)品的2倍和一半。小編想說(shuō)的是測(cè)序行業(yè)也是如此啊。從一代測(cè)序到二代測(cè)序再到三代測(cè)序，每一個(gè)時(shí)代都伴隨著不同的成本及指標(biāo)。從2001年開(kāi)始，由一代測(cè)序完成的物種基因組屈指可數(shù)，價(jià)格都以億記數(shù)，指標(biāo)更別談。到了2007年，由Illumina+454+Solid為代表的二代測(cè)序，將動(dòng)植物基因組的成本拉到了百萬(wàn)時(shí)代，而周期縮減到了1年以內(nèi)，指標(biāo)也到了M級(jí)別。至2010年，三代測(cè)序已經(jīng)開(kāi)始暫露頭角，從指標(biāo)和準(zhǔn)確性上來(lái)說(shuō)，又都翻了好幾倍。然而由于成本因素，先前一直鮮有純?nèi)蠡蚪M的發(fā)表。但是近期純?nèi)蚪M文章已經(jīng)開(kāi)始泛濫。2016年初NSC上發(fā)表了好幾個(gè)純?nèi)蚪M，而到了下半年，純?nèi)恼乱呀?jīng)到了NC水平?，F(xiàn)在，一定程度上說(shuō)，三代測(cè)序也來(lái)到了白菜價(jià)。說(shuō)這么多小編想表達(dá)的是，如果想發(fā)高分的文章，組裝水平也必須達(dá)到當(dāng)前的平均水準(zhǔn)，不然編輯讀者都會(huì)質(zhì)疑你“為什么裝的這么爛？后面的結(jié)果考不靠譜？”。負(fù)責(zé)任的說(shuō)，至少小編已經(jīng)聽(tīng)到了好幾個(gè)基因組文章就因?yàn)榻M裝的不好而被拒的，請(qǐng)相信，這不是危言聳聽(tīng)！好的故事必然能為文章添彩，但是連基礎(chǔ)都過(guò)不了關(guān)，“成大事”當(dāng)然會(huì)很困難 。
最后，借用個(gè)廣告詞，基因組文章成功的標(biāo)配，三代測(cè)序+光學(xué)+ HI-C，2017。小編等著你來(lái)發(fā)表NSC！

參考文獻(xiàn)

Derek M Bickhart, et al. Single-molecule sequencingand chromatin conformation capture enable de novo reference assembly of thedomestic goat genome. Nature Genetics. 2017.