中国科学院北京基因组研究所（国家生物信息中心）的楚亚男博士、北京大学人民医院的在读博士生何玉坤、李冉博士、临汾市中心医院郭淑明院长、厦门大学医学院郑雅莉博士、希望组首席生信技术官胡江为该文共同第一作者，中国科学院北京基因组研究所（国家生物信息中心）康禹研究员和北京大学人民医院高占成教授为该文共同通讯作者。本研究得到了临汾软科学研究计划、国家自然科学基金和国家重点研发计划等项目的支持。希望组为本研究提供HiFi、ONT超长、Bionano测序等服务。
因此，T2T-YAO基因组有望成为汉族人群的全面代表。根据祖源分析，YAO基因组的大部分来自东亚。其Y染色体单倍群鉴定为O-F2137，是中国主要的Y单倍群O-M122的主要后代群之一。
图1 两个栽培种香蕉及其起源分析。
图2 巴西蕉和大麦蕉及其野生祖先种中抗1号和4号小种的抗性基因/QTL的比较分析。
图3鉴定果实成熟基因及其靶基因。
文章链接：https://www.nature.com/articles/s41588-023-01589-3
封面链接：https://www.nature.com/ng/volumes/56/issues/1
2023年10月22日，筹备已久的“微生物信息学学术会议暨湖北省生物信息学会——微生物信息学专委会成立大会”顺利在汉举办。此次大会是由湖北省生物信息学会主办，华中农业大学、华中科技大学、武汉希望组生物科技有限公司承办，在武汉光谷希尔顿酒店会议中心隆重召开，吸引了省内外共计170余人参与。本次大会开幕式由华中师范大学计算机学院院长蒋兴鹏教授主持，华中农业大学信息学院院长、湖北省生物信息学会理事长张红雨教授参加开幕式并致辞。
张红雨教授参加开幕式并致辞
经过民主表决，大会选举了宁康教授（华中科技大学）为专委会主任委员，蒋兴鹏教授（华中师范大学）、刘红利教授（华中科技大学同济医学院附属协和医院），熊杰研究员（中国科学院水生生物研究所）、郑金水（华中农业大学）、宋婕萍主任（湖北省妇幼保健院）、汪德鹏先生（武汉希望组生物科技有限公司）为副主任委员，大会同时选举产生了专委会秘书长和副秘书长各1名，以及委员17名，选举结束后由湖北省生物信息学会理事长张红雨教授和学会副理事长张晓龙教授、刘森教授和蒋兴鹏教授为以上人员颁发证书。
张红雨教授和张晓龙教授为当选人员颁发证书
在简短而隆重的开幕式后，在宁康教授的主持下，大会进入期待已久的学术报告环节。
宁康教授主持大会学术交流阶段
本次大会邀请了来自香港大学的张彤教授，华中科技大学的余龙江教授和宁康教授、陈卫华教授，武汉大学人民医院的童永清教授，华中农业大学的郑金水教授，复旦大学的吴浩教授，华中科技大学附属同济医学院同济医院陈旭勇医生、中国科学院水生生物研究所熊杰研究员，武汉希望组公司创始人兼CEO汪德鹏先生，北京热心肠研究院院长蓝灿辉先生，共计12位专家从微生物研究的各个前沿领域展开非常精彩的学术报告，并就产业应用和未来发展趋势等议题展开深入讨论。
在经过一天的热烈学术讨论和交流后，中国生物信息学会（筹）核心组专家、浙江大学陈铭教授作会议总结讲话。陈铭教授首先对本次大会的成功举办表示祝贺，对本次大会的成效和收获表示肯定，并鼓励微生物信息学专委会在未来面向社会更多的群体，开展更多的学术活动，为微生物信息学及相关学科的发展做出更大贡献！
陈铭教授作会议总结讲话
参会人员合影
希望组对参与此次微生物研究领域的学术盛宴合作感到非常荣幸。我们期待与各位专家、合作伙伴和志愿者们共同努力，推动微生物领域的创新，为人类的健康和环境保护作出更大的贡献。再次感谢所有参与此次会议的人员，以及组织者和支持单位的辛勤付出和卓越贡献！
时至今日，三代长读长测序（long-read sequencing）技术在生物领域应用的如火如荼，许多专家都认可了其先进的方法和广泛的应用，《Nature Method》也将三代长读长测序评选为了2022年度最佳方法。
在整个Nanopore 单分子实时测序的流程中，basecalling（碱基识别）环节是测序流程一个重要的步骤，basecalling需要对原始测序数据进行复杂的信号处理和算法计算，这一环节的处理精度决定了测序数据的准确性,其中basecalling的不同处理模式对于计算资源的需求和产出数据的精度不尽相同（详见往期推文）。
希望组一直致力于改进信号处理方法、优化算法模型，并升级硬件计算平台，以提高base calling的准确性和效率。希望组引进的100张全新GPU计算处理器（详见往期推文），通过大规模并行计算架构强有力的提升希望组计算中心的数据处理能力，为了最大程度发挥硬件平台的计算潜力，希望组重新编写了basecalling流程算法，使计算平台数据产出能力产生质的飞跃！
（注：数据产出以Nanopore Ultra-long Super basecalling计）
希望组Nanopore Ultra-long产品本就在reads长度和数据产量上遥遥领先，在结合了希望组basecalling全新流程后，更是如虎添翼，将原本需要花费1-2周的basecalling环节缩减到2-3天，为各位老师们节约大量的科研时间。
希望组作为国内首家投入三代测序的测序企业，始终致力于推动三代测序技术的不断发展。此次的basecalling流程升级将只是一个起点，希望组将不遗余力的改进测序流程、开拓分析技术、精进分析算法，为客户们带来最顶尖的科技服务产品！
如果您对我们的Nanopore测序产品感兴趣，您可以与当地的销售人员进行联系，我们将会为您提供测序服务的详细资料以及更多信息和支持。
上篇为大家带来了超大基因组动物的项目文章，本文主要为超大基因组植物项目文章。如需了解更多，请咨询当地科技顾问~
01. Reference genome assemblies reveal the origin and evolution of allohexaploid oat
目标物种：燕麦（Avena sativa）
发表时间：2022.08
发表期刊：Nature Genetics（IF=41.307）
合作单位：四川农业大学、白城市农业科学院、四川大学和中国科学院遗传与发育生物学研究所
测序策略：Nanopore Ultra-long、Illumina、Hi-C
基因组大小：10.76 Gb
基因组Contig N50：75.27Mb
燕麦作为重要的粮饲兼用型作物，由于其基因组为异源六倍体组成，基因组大（~11G）、重复序列含量高（~87%）且亚基因组间存在大量的交换，导致其基因组组装难度较大。研究者首先选择来自裸燕麦起源中心的传统地方品种“三分三”为材料，基于1028Gb的三代超长序列，并使用650 Gb的二代数据进行校正，组装了10.76 Gb的燕麦基因组，基于1296 Gb的Hi-C数据将99.06%的基因组序列挂载到燕麦21条染色体上。基因组组装从Contig N50（75.27Mb），LAI（18.34）、BUSCO（99.44%）以及与来自六倍体燕麦一致性图谱标记的共线性等多方面进行质量评估，均显示了所组装基因组的高质量。随后研究者进行了主要禾谷类作物的系统进化基因组学分析，通过与以水稻为代表的祖先核型和普通小麦的三个亚基因组进行比较，明确燕麦不同亚基因组的核型进化历史并发现在燕麦中存在大量染色体重排。研究者为了研究燕麦多倍化过程中发生的染色体结构变异，对二倍体、四倍体和六倍体物种进行了共线性分析。结果表明，在燕麦多倍化过程中发生了多次大的易位和倒位事件，并通过荧光原位杂交证实了这些染色体结构变异。希望组参与组装注释以及部分分析工作。
论文链接：https://doi.org/10.1038/s41588-022-01127-7
02. The Cycas genome and the early evolution of seed plants
目标物种：苏铁（Cycas）
发表时间：2022.04
发表期刊：Nature Plants（IF=17.352）
合作单位：深圳华大生命科学研究院、深圳市仙湖植物园、中国科学院昆明植物研究所、兰州大学、中国环境科学研究院
测序策略：Nanopore、MGI-SEQ、Hi-C
基因组大小：10.5 Gb
基因组Contig N50：12Mb
该研究选取苏铁类的基部类群，完成基因组测序和组装。基于Nanopore长读测序、MGI-SEQ测序及Hi-C测序技术，基因组组装大小为10.5 Gb，Contig N50为12Mb，结合Hi-C数据，挂载到11条染色体上。共注释得到32，353个蛋白编码基因，BUSCO评估完整度为91.6%，是目前裸子植物中最高质量的基因组图谱。研究者采用对重复基因同义替代分析和系统发育基因组学方法，并使用基因组内共线性区域进行比较验证，发现现存裸子植物的最近共同祖先可能经历了一次古老的全基因组复制事件。最显著扩张的种子生理相关家族是cupin蛋白家族。研究者通过对源于四川攀枝花苏铁国家级保护区62株雌雄苏铁群体测序，表达差异分析，和雄性Y染色体的组装，找到雌雄表达差异最大的一个基因来自雄株的Y染色体，该基因编码一个MADS-box转录因子，推测其调控雌雄苏铁的性器官发育，该转录因子的同源基因也仅能在雄株基因组中检测到，说明了该性别决定机制在苏铁类植物中的保守性。早期维管植物的精子都是有鞭毛，可以游动的。随着演化，鞭毛丢失。在现生种子植物中仅苏铁和银杏保留精子具鞭毛的特征，进一步证实了苏铁在种子植物演化中古老的地位。希望组参与了本研究项目中攀枝花苏铁的测序、组装及初步注释服务。
论文链接：https://doi.org/10.1038/s41477-022-01129-7
03. The Larix kaempferi genome reveals new insights into wood properties
目标物种：落叶松（Larix kaempferi）
发表时间：2022.07
发表期刊：Journal of Integrative Plant Biology（IF=9.106）
合作单位：中国林业科学院、国家林业和草原管理局林木栽培重点实验室
测序策略：PacBio CLR、Illumina、BioNano
基因组大小：10.97 Gb
基因组Contig N50：1.09Mb
研究者基于1.30Tb三代测序和0.52Tb二代测序数据，组装完成了大小为10.97Gb的落叶松基因组，Contig N50为1.09Mb，注释了45828个蛋白质编码基因，发现落叶松基因组66.8%由重复序列组成，其中LTR-RT占69.86%。基因组进化分析表明，落叶松与花旗松物种分化大约发生在65.9个百万年前，1139个基因家族在物种分化后发生扩张，而581个基因家族发生收缩。团队从31年生的落叶松全同胞家系中筛选出两组木质素含量显著差异的群体，基于群体转录组学，发现落叶松中的木质素含量差异主要由木质素单体聚合过程决定，且六个基因（LkCOMT7、LkCOMT8、LkLAC23、LkLAC102、LkPRX148和LkPRX166）的表达量与木质素含量呈显著正相关。希望组为该研究合作单位之一，提供超长测序服务并参与组装、注释及部分后续分析工作，李净净及全伟鹏等参与该项研究工作。
论文链接：https://doi.org/10.1111/jipb.13265
药用植物一直以来被广泛应用于人类医疗保健领域，并为许多疾病的治疗提供了有效的方案。药用植物所含的天然产物具有丰富的生物活性成分，这些成分可以影响细胞代谢、调节免疫反应等。随着高通量测序技术的快速发展，药用植物测序不仅可以帮助科学家们深入了解药用植物的遗传多样性和进化历史，揭示药用植物所含活性成分的合成途径和调控机制，同时对研究药用植物的育种栽培、代谢产物、功能调控和药理属性提供大量生物信息和遗传信息数据。这一研究领域不仅有助于推动现代医药领域的创新发展，还能为药用植物的可持续利用和资源保护提供科学依据。
希望组作为三代测序大数据技术和应用的开拓者，早于2012年将三代测序技术应用于药用植物研究中，为了解药用植物的基因组特征和生物活性成分提供了新的视角。希望组10年+的三代测序经验，能够为进一步深入开展药用植物测序研究的专家学者们提供高质量的测序、组装及生信分析服务，为推动现代医药的发展贡献属于希望组的力量。
01. 阳春砂和海南砂中挥发性萜类差异的遗传基础
Comparing genomes of Fructus Amomi-producing species reveals genetic basis of volatile terpenoid divergence
海南砂(Wurfbainia longiligularis)和阳春砂(Wurfbainia villosa)都富含挥发性萜类化合物，是用于治疗肠胃疾病的砂仁的两种主要植物来源。代谢组学分析表明，与二磷酸硼酯(BPP)相关的萜类化合物在阳春砂的种子中含量较高，而在海南砂的组织中分布较广。为了探索挥发性萜类化合物差异背后的遗传机制，该研究组装了高质量的海南砂染色体水平基因组(2.29 Gb，contig N50 为 80.39 Mb)。对17个萜烯合成酶(WlTPSs)的功能分析发现，WlBPPS与具有二磷酸硼酯合成酶(BPPS)活性的WlTPS 24/26/28一起，促成了BPP相关萜类化合物在海南砂中更广泛的组织分布。此外，转基因烟草(Nicotiana tabacum)的研究表明，GCN4-motif元件正向调节WvBPPS的种子表达，从而促进 BPP 相关萜类化合物在阳春砂种子中的富集。对来自16个科的29种单子叶植物中候选TPS的系统鉴定和分析表明，姜科植物中TPS-a和TPS-b亚家族基因的大量扩张可能驱动了挥发性萜类化合物的多样性和产量的增加。BPPS基因的进化分析和功能鉴定表明，BPP相关的萜类化合物可能仅分布在单子叶植物的姜科植物中。本研究为选育和改良具有药食两用价值的砂仁提供了宝贵的基因组资源，并为姜科植物萜类化合物生物合成的进化提供了参考。希望组为本研究提供了基因组、转录组和Hi-C测序服务。
原文链接：https://doi.org/10.1093/plphys/kiad400
虾、蟹类作为重要养殖经济物种，养殖产量约占中国水产养殖总量的约60%以上，可谓是水产界的半壁江山。然而，由于缺乏高质量的基因组信息，虾、蟹类的种质资源创新利用一直受到限制，分子育种进展缓慢。通过深入研究虾蟹类基因组，我们可以更好地理解其生长发育、抗病性以及适应环境的机制，从而为育种和养殖管理提供科学依据。加强对虾蟹类基因组的研究和解析对于推动水产养殖行业的可持续发展具有重要意义。
虾蟹类是世界上公认的高复杂基因组，原因在于其基因组杂合度高、重复序列多、染色体数目多，对基因组组装造成了较大的困难。其次，虾蟹组织样本中蛋白含量较高，在前端实验提取DNA时容易堵孔、污染DNA造成提取困难，因此高质量的虾蟹类基因组DNA获取极为困难。
希望组深耕长读长测序领域十数年，通过结合多平台的测序数据，将SMRT、Nanopore、NGS、Hi-C/Pore-C、Bionano等多种形式的测序数据通过生物信息学技术有机结合，完成了多个虾蟹类基因组组装的合作项目，发表了多篇高分论文。希望组愿与您一起破解虾蟹基因组组装难题，推动水生生物基因组学的蓬勃发展，为水产领域科研增光添彩！
希望组在虾蟹类基因组研究具有极大优势：
01 PacBio测序、NextDenovo组装助力破译迄今最大动物基因组—48Gb南极磷虾参考序列
摘要
该研究完成了迄今为止最大动物基因组参考序列——南极磷虾基因组组装，并揭示了南极磷虾适应极端环境和群体历史演化的分子基础。研究者利用PacBio、Hi-C结合短读长对南极磷虾进行测序，使用NextDenovo v2.30 组装了48.01Gb的基因组。研究发现，南极磷虾重复序列含量高达92.45%，这源于南极磷虾基因组重复序列的两次爆发式扩张。在该研究中，研究人员对极昼极夜环境的适应性进行了研究。结果发现，在磷虾基因组里鉴定得到的25个显著扩张的基因家族中，分别有6个基因家族与磷虾蜕壳及能量代谢相关。这表明，蜕壳和能量代谢相关基因的改变是南极磷虾对南大洋不稳定食物供应的适应。另外，研究团队还发现，虽然分布在不同的区域，但南极磷虾的遗传序列组成没有明显区别，这就意味着不同地域群体之间没有实质性差异，并且气候变化影响着南极磷虾种群的规模。武汉希望组为本研究提供基因组组装服务，武汉希望组首席生信技术官胡江为共同作者。
技术亮点
这项研究的主要技术亮点是组装有史以来最大的动物基因组测序。基因组中过度丰富的转座子重复序列加剧了这一技术挑战，这成为该研究的主要生物学发现之一。研究者仔细分析了导致巨大基因组大小的重复序列，提供了由重复元件活性引起的基因组大小扩张的一个最佳例子。组装后的基因组使得能够全面分析整个基因组中涉及光周期的基因。对南极高度变化的光照条件的生理反应是磷虾生物学的核心，研究者所组装的基因组资源对这种适应能力进行了极大的详细研究。
参考文献
Shao C, Sun S, Liu K, et al. The enormous repetitive Antarctic krill genome reveals environmental adaptations and population insights. Cell. 2023 Mar 16;186(6):1279-1294.e19. doi: 10.1016/j.cell.2023.02.005. Epub 2023 Mar 2. PMID: 36868220.
02 中华绒螯蟹“断臂再生”
摘要
中华绒螯蟹(Eriocheir sinensis)，俗称大闸蟹，是我国高经济价值的水产甲壳动物，全国28个省市区养殖，产业规模大，文化底蕴深厚。由于中华绒螯蟹染色体数目多（2n=146），基因组重复序列高，组装困难，且不同水系群体表现出较为明显的环境适应性和生物学特征。同时，中华绒螯蟹断肢现象在生产上较为普遍，影响了其产业应用性和经济价值。本研究利用第三代测序技术，并结合BioNano光学图谱和Hi-C高通量染色体构象捕获技术，对长江水系中华绒螯蟹的全基因组测序和组装，获得染色体水平的精细基因组图谱。该研究还发现中华绒螯蟹断肢再生早期受表观遗传学的调控，其中SMYDA基因家族只存在于节肢动物，在中华绒螯蟹断肢早期下调表达，而在肢芽生长时期表达回复至未断肢时的水平。进一步分析发现，该基因家族还在中华绒螯蟹从大眼幼体到仔蟹的变态过程中整体差异表达，表明节肢动物特异的SMYDA基因家族在中华绒螯蟹涉及明显形态发生，如变态发育、再生的生物学过程中发挥重要的表观修饰作用。该研究为开展中华绒螯蟹的分子育种提供了重要的基因组资源和平台，为提升养殖生产与管理水平提供了有益指导。武汉希望组提供三代测序组装注释，Hi-C挂载和Bionano光学图谱服务。
参考文献
Wang J, Chen X, Hou X, et al. “Omics” data unveil early molecular response underlying limb regeneration in the Chinese mitten crab, Eriocheir sinensis. Sci Adv. 2022 Sep 16;8(37):eabl4642. doi: 10.1126/sciadv.abl4642. Epub 2022 Sep 16. PMID: 36112682; PMCID: PMC9481118.
03 重要商品蟹——三疣梭子蟹
摘要
三疣梭子蟹(Portunus trituberculatus)是中国重要的商业蟹种，广泛分布于亚太国家沿海水域。研究者结合MGI、Nanopore和Hi-C数据，组装了三疣梭子蟹的第一个染色体水平参考基因组。该基因组大小为1.00 Gb, Contig N50为4.12 Mb，BUSCO达到94.7%，重复序列为54.52%，共有16796个蛋白质编码基因被注释。研究者通过Hi-C数据成功将基因组挂载到50条染色体上，Scaffold N50长度为21.80 Mb。该染色体水平的基因组组装不仅可以促进三疣梭子蟹基本发育和进化的研究，还可以为三疣梭子蟹的繁殖提供重要的资源。武汉希望组提供Nanopore三代测序服务。
参考文献
Tang B, Zhang D, Li H, et al. Chromosome-level genome assembly reveals the unique genome evolution of the swimming crab (Portunus trituberculatus). Gigascience. 2020 Jan 1;9(1):giz161. doi: 10.1093/gigascience/giz161. PMID: 31904811; PMCID: PMC6944217.31904811; PMCID: PMC6944217.
04 红螯螯虾基因组
摘要
研究人员使用108X的PacBio CLR数据、58X的PE100 DNA二代测序数据组装了一个红螯螯虾染色体级基因组，大小为5.26 Gb，Contig N50为144.33 Kb。使用105X的Hi-C数据辅助挂载，将近90%的序列被锚定到100条染色体上，这是迄今报道的染色体数目最多的高质量甲壳动物基因组。该基因组含有78.69%的重复序列和20,460个蛋白编码基因，其中82.40%具有功能注释。这个染色体级基因组将成为其他复杂基因组的组装和甲壳动物进化研究的有价值的参考。
参考文献
Chen H, Zhang R, Liu F, et al. The chromosome-level genome of Cherax quadricarinatus. Sci Data. 2023 Apr 17;10(1):215. doi: 10.1038/s41597-023-02124-z. Erratum in: Sci Data. 2023 May 23;10(1):313. PMID: 37062798; PMCID: PMC10106460.
05 青虾全基因组图谱组装
摘要
日本沼虾，俗名青虾，是我国重要的经济虾类。雄性对虾比雌性对虾生长更快，体积更大，因此培养全雄性种群是实践中水育种繁育的重要目标，为此揭示日本沼虾的性别分化和生殖发育机制对实现遗传改良具有重要的支撑意义。该研究采用65.2X的Illumina数据、90X的PacBio数据和195X的Hi-C数据进行测序组装。通过survey分析，估计日本沼虾的基因组大小约为4.6 Gb。组装得到的日本沼虾染色体水平的基因组大小为4.5 Gb，Contig N50为231.2 Kb，基因组的完整度为92.6%。共构建了49条染色体，使用Hi-C测序数据辅助挂载至染色体水平，有94.7%的基因组数据被挂载到染色体上，scaffold N50长度达86.8 Mb。全基因组共预测到44,086个蛋白编码基因，其中39,317个基因被功能注释。此外，研究者还采集了生殖期和非生殖期的日本沼虾雄性个体样本，进行转录组测序和分析。
参考文献
Jin S, Bian C, Jiang S, et al. A chromosome-level genome assembly of the oriental river prawn, Macrobrachium nipponense. Gigascience. 2021 Jan 18;10(1):giaa160. doi: 10.1093/gigascience/giaa160. PMID: 33459341; PMCID: PMC7812440.
06 克氏原螯虾染色体水平参考基因组
摘要
克氏原螯虾(Procambarus clarkii)（俗称小龙虾）是一种重要的生态和经济甲壳类动物。研究者基于146.93X PacBio数据、112.95X Illumina测序数据和142.23X Hi-C进行denovo组装。研究者得到的染色体水平小龙虾基因组，基因组大小为2.75 Gb，Contig N50为216.75 kb。共构建了94条单倍型染色体，使用Hi-C数据进行辅助挂载，91.22%的基因组数据被挂载到染色体上，scaffold N50长度为17.01Mb。在克氏原螯虾基因组中鉴定出超过2.26 Gb的重复序列，占总基因组序列的82.42%。在这些重复序列中，转座因子（TEs）占多数（约79.61%）。
参考文献
Xu Z, Gao T, Xu Y, et al. A chromosome-level reference genome of red swamp crayfish Procambarus clarkii provides insights into the gene families regarding growth or development in crustaceans. Genomics. 2021 Sep;113(5):3274-3284. doi: 10.1016/j.ygeno.2021.07.017. Epub 2021 Jul 22. PMID: 34303807.
虾蟹类基因组的复杂性无疑给科学家们带来了许多挑战，但是希望组正努力突破这些难题，致力于为大家提供高质量、可靠的虾蟹类基因组组装解决方案，为科学研究和海洋生物保护做出贡献。
最新虾蟹类物种组装结果展示
“Why are some genomes so big and others very small?”这是Science杂志发布的125个前沿科学问题之一。物种的基因组大小不尽相同，造成这一现象的原因十分复杂。研究表明，基因组大小的差异不仅与生物体的复杂性有关，还与其生活史特征、环境适应性、基因家族的扩增和基因重组等因素密切相关，如此复杂重要的问题吸引了无数研究者深入探索这一领域。
相较于易于研究的小型基因组生物，具有超大型基因组的生物种类繁多、保守的遗传变异丰富，这为比较基因组学研究提供了极好的材料。然而，由于超大基因组中高重复序列的存在以及广阔的基因间区，传统二代测序技术难以为这些生物构建Gap-free级别的的参考基因组。
近年，单分子实时测序等三代长读长技术的出现为超大基因组组装提供了转机。三代测序以其长读长的优势（ONT Ultra-long测序技术N50可达100-150Kb），破解了重复区组装中的难题，使得研究人员能够通过三代数据进行染色体水平的整体组装。此外，三代测序超长读长的reads能够贯穿基因组中的基因间区。这使得非编码RNA、调控元件以及结构变异都能被准确检测。因此，通过单分子实时测序技术，研究人员能够更好地探究超大基因组的复杂性和结构，揭示其中的重复序列、基因间区和功能元件。这为研究人员深入理解基因组大小差异的形成机制、进化过程以及生物体的适应性提供了重要的工具和方法。
希望组着眼于三代测序技术应用于超大基因组研究中所带来的革新与价值，为有志于研究超大基因组物种的研究人员提供专业的测序、组装、分析服务。希望组以其优质的测序服务质量和遥遥领先的基因组组装技术受到了各位专家老师的认可，非常荣幸能够参与多个超大基因组的研究之中，为生命科学领域做出了独属于希望组的贡献。
下面是希望组合作的几篇超大基因组动物篇的优秀文章：
01. The enormous repetitive Antarctic krill genome reveals environmental adaptations and population insights
目标物种：南极磷虾（Antarctic krill）
发表时间：2023.05
发表期刊：Cell（IF=64.5）
合作单位：中国水产科学研究院黄海水产研究所、德国阿尔弗雷德·魏格纳研究所、澳大利亚联邦科学与工业研究组织
测序策略：PacBio HiFi、Illumina、Hi-C
基因组大小：48.01 Gb
基因组Contig N50：178.99Kb
该研究完成了迄今为止最大动物基因组参考序列——南极磷虾基因组组装，并揭示了南极磷虾适应极端环境和群体历史演化的分子基础。研究者利用PacBio、Hi-C结合短读长对南极磷虾进行测序，使用NextDenovo v2.30 组装了48.01Gb的基因组。研究发现，南极磷虾重复序列含量高达92.45%，这源于南极磷虾基因组重复序列的两次爆发式扩张。在该研究中，研究人员对其抗饿和对极昼极夜环境的适应性进行了研究。结果发现，在磷虾基因组里鉴定得到的25个显著扩张的基因家族中，分别有6个基因家族与磷虾蜕壳及能量代谢相关。这表明，蜕壳和能量代谢相关基因的改变是南极磷虾对南大洋不稳定食物供应的适应。另外，研究团队还发现，虽然分布在不同的区域，但南极磷虾的遗传序列组成没有明显区别，这就意味着不同地域群体之间没有实质性差异，并且气候变化影响着南极磷虾种群的规模。武汉希望组为本研究提供基因组组装服务，武汉希望组首席生信技术官胡江为共同作者。
论文链接：https://doi.org/10.1016/j.cell.2023.02.005
02. African lungfish genome sheds light on the vertebrate water-to-land transition
目标物种：非洲肺鱼（African lungfish）
发表时间：2021.03
发表期刊：Cell（IF=64.5）
合作单位：西北工业大学生态与环境学院、中国科学院水生生物研究所淡水生态与生物技术国家重点实验室、中国科学院昆明动物研究所遗传资源与进化国家重点实验室
测序策略：Nanopore Ultra-long、BioNano、Hi-C
基因组大小：40.05 Gb
基因组Contig N50：1.60 Mb
研究团队利用Nanopore Ultra-long、BioNano和Hi-C测序，采用NextDenovo + wtdbg2 + NextPolish策略组装，最终获得约40.05 Gb的基因组，Contig N50达到1.60 Mb；结合BioNano和Hi-C数据对基因组构建Scaffold和辅助染色体挂载，最终得到17条染色体，Scaffold N50 2.81 Gb，染色体挂载率达到99%以上。BUSCO评估显示该基因组包含了95%以上的脊椎动物完整基因。非洲肺鱼基因组如此巨大主要是由TEs的扩张引起的，非洲肺鱼基因组的61.7%（24.7 Gb）被注释为重复序列。研究团队通过分析Kimura distance估算了TE历史扩张活动，结果表明TEs，特别是反转录转座子，在过去7000万年中一直活跃。基于基因组组装和注释结果，通过对8种脊椎动物的5149个单拷贝基因进行系统发育重建，证实非洲肺鱼是与四足动物最近的姐妹谱系，非洲肺鱼和四足动物的分化时间可追溯到泥盆纪伊始，估算为419 MA。希望组为研究提供基因组测序和NextDenovo、NextPolish软件及组装技术支持，希望组首席生信技术官胡江参与本研究。
论文链接：https://doi.org/10.1016/j.cell.2021.01.047
03. Giant lungfish genome elucidates the conquest of land by vertebrates
目标物种：澳洲肺鱼（Giant lungfish）
发表时间：2021.01
发表期刊：Nature (IF=64.8)
合作单位：德国康斯坦茨大学生物系、德国维尔茨堡大学生物中心
测序策略：Nanopore 1D 、Ultra-long、Hi-C
基因组大小：37 Gb
基因组Contig N50：1.86Mb
研究者利用Nanopore 1D 和Ultra-long技术对澳洲肺鱼进行了全基因组测序组装，最终组装出37Gb，Contig N50达1.86Mb的澳洲肺鱼基因组。之后利用271Gb Hi-C 数据，对基因组进行染色体级别组装，最终得到Scaffold N50 1.75Gb，组装出了17条大染色体和10条小染色体。BUSCO评估组装的基因组包含67%的脊椎动物完整基因。肺鱼是属于肉鳍鱼类中的一类，肉鳍鱼的叶状鳍在进化中最终形成了适于陆地爬行的足趾。通过比较基因组分析，研究者对保守的四足动物肢体增强元件的分析表明，有31种起源于肉鳍类。与sall1相关的hs72增强子驱动掌部区域基因表达。sall1在肺鱼胚胎中高表达，并呈现类似于四足动物的表达模式，但在斑马鱼的鳍发育过程中不表达。这表明该基因功能和肺鱼的肉鳍类叶状鳍发育相关。hoxc基因在双鳍和四肢中的表达仅在与甲床相关的哺乳动物中报道过，而RNA-seq分析发现在肺鱼幼体鳍部hoxc基因有表达。研究者还发现hoxc13在蝾螈肢中表达，在辐鳍鱼的胸鳍中不表达，转录本定位显示hoxc13也在肺鱼胚胎远端鳍表达。这表明在四足动物中，该基因结构域可能调控肢体元素生成，如指甲、蹄和爪。hoxc与sall1一起，证明了早期肉鳍类起源的四肢样基因表达促进了鳍肢过渡。希望组为本研究提供Nanopore Ultra-long测序服务。
论文链接：https://doi.org/10.1038/s41586-021-03198-8
生物医学研究已经步入大数据和大科学时代。一方面，多组学数据分析已成为生命科学前沿领域最重要的研究工具之一，多维度数据挖掘与整合分析，可以帮助科学家实现从基因组到表型组、贯穿微观和宏观尺度的系统分析，极大提高了人类解读复杂生命系统的能力，对更加深刻、精准地破解肿瘤、遗传病等各类疾病的发病原因与微观机制，寻找更有效的干预手段奠定了重要基础。另一方面，要破解人类健康、生命起源等重大科学问题，需要进行全球合作，开展分布式的国际大科学计划。然而，没有高质量的数据生成、高可靠的数据分析与整合以及全球科学界一致认可的统一标准，多组学数据分析研究就失去了稳固的“地基”，全球范围的生命科学国际大科学计划也将无从谈起。如何解决类似的难题？研发国际科学界广泛认可的多组学标准物质至关重要。
北京时间2023年9月7日晚，国际学术期刊《自然·生物技术》（Nature Biotechnology）在线发表了由复旦大学/上海国际人类表型组研究院石乐明、郑媛婷团队联合中国计量科学研究院方向、董莲华团队，国家卫健委临床检验中心李金明、张瑞团队共同研发的全球首套多组学标准物质“中华家系1号”的最新研究成果。同期刊发的2篇科研论文分别聚焦：“使用基于中华家系1号标准物质的相对定量进行多组学数据整合（Multi-omics data integration using ratio-based quantitative profiling with Quartet reference materials）”和“中华家系1号 RNA标准物质与基于比值的分析方法提高了转录组数据的质量（Quartet RNA reference materials and ratio-based profiling for assessing and improving the quality of transcriptomic data）”。这也标志着中国科学界自主研制、获批为“国家一级标准物质”的“中华家系1号（Quartet）”多组学标准物质的研发和效用得到了国际同行的认可，开创了生物医学“度量衡”新体系，将提升生命科学创新的源头质量，为全球推进人类表型组计划奠定坚实的标准基础。
标准物质是高质量生物医学创新研究的“标尺”与“砝码”
在生命科学研究中，针对相同研究样本在不同平台、不同实验室、不同批次所产生的组学数据往往存在“批次效应”，导致不可重复数据和错误结论，严重影响科研结果的可信度与质量。而现实生活中，类似“批次效应”的危害更大：在临床检验中，同一个指标在不同的医院检验结果会出现差别，这种数据差别一旦过大甚至会导致错误的临床治疗决策，耽误疾病的预防和诊治。
要解决批次效应这一影响生命科学与生物医学多组学研究源头质量的“拦路虎”，就必须研发相应的标准物质。标准物质是指具有足够均匀性和稳定特性的物质，可作为生物分析研究的“标尺”与“砝码”。在生物医学研究中，标准物质可用于评估不同实验室、不同平台、不同批次的数据质量，有助于排除实验条件和技术差异带来的误差，确保数据的一致性和可靠性。而多组学研究的普及，亟需科学界研发多组学标准物质。
统一的标准是生命科学领域国际大科学计划全面推进的关键基础
由于测量和研究的对象涉及到人类自身，因此生命科学领域的大科学计划与其他学科领域存在显著差别。分布式，即在不同大洲和国家各自实施，而不是集中式地开展研究是生命科学领域国际大科学计划的主要组织模式。这就对相关大科学计划在科研和实施过程中所参照的标准和质量控制提出了极高的要求。基于公认的基准——标准物质，统一相关研究的测量标准和数据标准，使得全球不同实验室针对同一类研究的数据可以参比，是生命科学领域能够实质性开展大科学计划的重要前提和基础。
作为人类基因组计划之后，生命科学领域的下一个战略制高点和重大科学计划，人类表型组计划在规划之初就把研发标准物质和统一全球科研标准作为重中之重。在国家和上海市支持下，中国相关科研团队在人类表型组的精密测量、标准物质研发、质量控制、数据处理等各个方面在全球范围内率先开发和制定相关SOPs、标准和质控体系，并通过国际和中国两大协作组网络，推动协同全球不同地区的实验室在同一标准下开展表型测量与研究。
相关团队已经完成了对2万余种表型开展测量的质控标准研发与SOP编制工作。2021年10月，由石乐明教授牵头起草的国际标准ISO/TS 22690:2021 《基因组信息学 高通量基因表达数据可靠性评估》（Genomics informatics—Reliability assessment criteria for high throughput gene—expression data）发布。该标准规定了高通量基因表达数据的可靠性评估标准，适用于基因芯片、新一代测序的基因表达数据的准确性、复现性、可比性的评估应用。同年10月，在上海市市场监督管理局的指导下，“上海市标准化创新中心（国际人类表型组）”获批成立，成为上海市首批6家新型标准化技术组织单位之一，正在全面引领国内外人类表型组标准化研究与创新。
此次“中华家系1号”多组学标准物质最新研究成果的国际发表，是中国科学家引领人类表型组计划实质性推进所作出的又一里程碑式的贡献。可以说，在人类表型组科研质量控制与标准体系构建中取得的一系列先发优势，进一步奠定了中国科学界在人类表型组计划中的引领地位。希望组为本研究提供三代测序和分析服务。
“二十年磨一剑”，打造全球首个多组学标准物质
在“中华家系1号”研发成功之前，全球尚无任何一种生物学标准物质能够具备多组学研究需要的特性。作为全球首套多组学标准物质，“中华家系1号”涵盖了同一来源样本的多种分子水平的特性，如DNA、RNA、蛋白质、代谢物等。这些标准物质的引入为生物医学研究和临床应用提供了可信赖的计量标准，为高质量、高可靠性的多组学研究提供了坚实基准。
“中华家系1号”多组学标准物质，源自复旦大学领导建设的泰州大型人群队列中的一个同卵双胞胎家庭的永生化B淋巴母细胞系。“中华家系1号”是国际上首套包括DNA、RNA、蛋白质、代谢物在内的多组学标准物质，旨在确保分子表型组数据跨批次、跨实验室、跨平台、跨组学的可比性和准确性。其中，DNA、RNA标准物质已经获得了国家市场监督管理总局颁发的8项国家一级标准物质证书（GBW 099000-GBW 099007），是我国首次获批的组学标准物质，在生命科学领域开创了一种全新的标准物质研制模式。
图1：“中华家系1号”（Quartet）多组学标准物质
图2：国家一级标准物质证书（GBW 099000-GBW 099007）
在“中华家系1号”的研制过程中，研究团队通过在国内32个研究中心运用24种主流技术平台对标准物质进行了深入全面的表征，获得了包括基因组、表观基因组、转录组、蛋白组和代谢组在内的多组学大数据。在此基础上，研究团队提出了一系列质量控制指标，构建了高置信的标准数据集，为多组学技术、实验室性能、分析算法的评估提供了高质量的“基准真值”。
据悉，基于“中华家系1号”DNA和RNA标准物质，国家卫生健康委临床检验中心已于2021年和2022年分别开展了全外显子测序和转录组测序的全国科研与临床实验室的室间质评研究，参加单位超过100 家，并将逐步开展表观基因组、蛋白质组、代谢组等多组学室间质评，以促进我国科研和临床实验室多组学检测数据质量的不断提升。
据石乐明教授、郑媛婷副教授介绍，在严格遵守我国人类遗传资源管理条例并获得国家批准的基础上，上海国际人类表型组研究院和复旦大学大力推动“中华家系1号”多组学标准物质走向全球，已经在国内外100多家单位进行了广泛应用，扩大了中国标准物质的国际影响力。例如，欧洲转化医学研究先进基础设施（European Advanced Translational Research Infrastructure in Medicine (EATRIS) Plus）已经采用“中华家系1号”多组学标准物质对EATRIS-Plus联盟的多家单位在多组学数据产生和数据分析方面的性能进行客观评估。欧方正与上海国际人类表型组研究院等中国代表性机构共同探索、积极推动构建多组学生物数据质量的国际标准。
基于多组学标准物质的质量控制将保证生物医学创新源头的高质量
未来的生物医学研究中，多组学分析是一个贯穿基因型到表型的整合过程，从数据生成和数据整合程序的每个环节都会影响最终结果。因此，必须对每种组学数据从样品到结果的完整流程进行全面能力验证和质量控制。
本次发表的最新成果证明：“中华家系1号”不仅具有天然的家系关系，样本之间微小的内在生物学差异可为数据整合提供高灵敏度的可靠性评估。此外，这些基于同一来源细胞系制备的多组学标准物质包含了从DNA到RNA再到蛋白质的信息流，遵循中心法则，可用于验证整合结果是否反映跨组学分子间的逻辑关系。
在传统的基于组学标准物质的质量控制中，通常将标准数据集视为“金标准”。然而，这些数据集只能评估高置信基因组区域中的变异和稳定检出的高表达分子特征，并且受到构建时采用的技术平台和分析方法的限制，不适用于对新技术的质量评估。本研究提出了不依赖标准数据集而仅基于家系个体间生物学关系的质量评估参数：对于定量组学数据，信噪比（Signal-to-Noise Ratio，SNR）可用于评估测量系统能否识别不同样本组之间的固有生物学差异，这是转录组等定量组学分析的基本目标；对于定性组学数据，同卵双胞胎之间胚系变异的一致率和家系个体间孟德尔符合率，可以实现在全基因组范围内对变异检测准确性的客观、无偏好的质量评估。通过与标准数据集的联合使用，多组学数据的质量控制体系更加完善，为各类新兴技术的质量评估提供了可能。希望组为本研究提供三代测序和分析服务。
图3：信噪比（SNR）
本次的研究成果最终提出了多组学分析的质量控制指标和整合的最佳实践建议：
定量组学分析需从“绝对”定量向“相对”定量转变，各批次使用固定的标准物质可有效控制批次效应；
多组学整合结果的质量可以结合家系信息、中心法则进行评估，如样本分类、跨组学特征关系识别的准确性等。
多组学分析在生物医学研究中具有广泛的应用前景，为了确保结果的准确、可靠、可重复，研究人员需要遵循质量控制和最佳实践建议。这一研究为多组学领域的规范化、标准化发展奠定了坚实基础，指明了提高多组学分析质量和可信度的重要途径，对促进多组学研究的高水平、高质量发展具有重要意义。
图4：Quartet多组学项目概览
RNA标准物质有效提高临床应用中检测差异表达的能力
RNA测序（RNA-seq）是转录组差异分析的常用技术，广泛应用于生物医学研究中，以发现临床诊断、预后和治疗的生物标志物。随着基于转录组的生物标志物发现成果不断涌现，RNA-seq技术将逐步成为临床常规检测项目，例如通过检测差异基因表达辅助临床治疗决策。这对RNA-seq的检测结果提出更高的可靠性要求，以提高疾病亚型间较小的差异表达的能力，提高临床差异表达的检测准确性。
在本次发表的论文“中华家系1号”RNA标准物质与基于比值的分析方法提高了转录组数据的质量”中，研究团队指出，RNA标准物质是评估RNA-seq数据可靠性的宝贵工具，可在实验室批次内有效性和跨批次可重复性两方面对其可靠性进行客观评估。批次内有效性是在相同批次或实验室内的分析结果达到技术所能够达到的最佳水平，而跨批次可重复性是不同平台、实验室或批次间分析结果可重复，并且不受批次效应影响，跨批次数据整合后的结果与单批次结果可重复。“中华家系1号”RNA标准物质，具有微小的样本间差异、高度稳定性、长期可用性和易于生产性等特性，可用于临床应用场景下的能力测试和方法验证。
研究团队整合了不同文库构建策略、不同实验室、时间生成的21个批次RNA-seq数据集，在全转录组水平构建了基于比值的标准数据集，提供了跨平台和跨实验室数据评估的“基准”。此外，研究团队发现“中华家系1号”样本之间微小的内在生物学差异可为跨批次的RNA-seq数据整合提供高灵敏度的可靠性评估。该研究表明“中华家系1号”RNA标准物质和标准数据集，可作为评估和提高临床和生物学领域中转录组数据质量的独特资源。
图5：Quartet RNA标准物质项目：以MQAC Sample A/B样本为参照，证明了”中华家系1号”样本间具有微小的固有生物学差异
相对定量可有效提高跨批次、跨实验室、跨平台数据的可重复性
在此次发表的2篇最新论文中，中国团队取得一个重要理论性突破，那就是发现和揭示了绝对特征定量是多组学测量和数据整合不可重复性的根源，证实了基于标准物质的比值相对定量可以有效提升数据整合的质量。这对推动从绝对定量向相对定量的范式转变，实现大规模多组学数据的有效整合利用，具有重要的里程碑意义。
不同批次和平台的绝对定量多组学数据存在较大技术变异，主要受批次效应影响，无法有效反映样本间的真实生物学差异，导致数据整合效果较差。为解决此问题，研究提出一种基于比值的相对定量策略：在每个批次内使用相同标准物质作为参照，将样本的特征表达水平转换为相对于标准物质在该特征上表达的比值。
这种相对定量方法可以显著减少技术变异，提高不同批次数据之间的可比性。基于这种相对定量数据，批次效应大幅减弱，样本分类和特征关联的识别准确性显著提高，能更好反映样本间的生物学差异。特别地，主流算法难以有效校正不平衡设计下的批次效应，而相对定量方法可以有效解决。
Multi-omics data integration using ratio-based quantitative profiling with Quartet reference materials
原文链接：https://www.nature.com/articles/s41587-023-01934-1
复旦大学石乐明教授、中国计量科学研究院方向研究员、国家卫生健康委临床检验中心李金明研究员、复旦大学丁琛教授、郑媛婷副教授为本论文共同通讯作者。复旦大学郑媛婷副教授、刘雅晴、杨竞成博士、中国计量科学研究院董莲华研究员、国家卫生健康委临床检验中心张瑞研究员，以及复旦大学田莎博士为本论文共同第一作者。
Quartet RNA reference materials and ratio-based profiling for assessing and improving the quality of transcriptomic data
原文链接：https://www.nature.com/articles/s41587-023-01867-9
复旦大学郑媛婷副教授、石乐明教授、国家卫生健康委临床检验中心张瑞研究员、复旦大学钱峰副研究员和美国FDA Joshua Xu博士为本论文共同通讯作者，复旦大学郁颖青年副研究员、侯湾湾博士、刘雅晴、王海燕博士，以及中国计量科学研究院董莲华研究员为本论文共同第一作者。
相关研究得到科技部战略性国际科技创新合作重点专项“人类表型组学数据的质量控制与标准化研究”和上海市市级科技重大专项“国际人类表型组计划”资助。研究所涉及的样本和国际合作均已获得国家人类遗传资源管理部门批准，相关数据开放获取已在国家人类遗传资源管理部门备案。
希望组Revio平台极速交付
随着希望组和序祯达生物在武汉和上海合作实验室的投产，我们宣布，希望组的第三台Revio正式于上海开机投产，为全国各地的专家学者们提供更加便捷高效、精准有效的测序数据服务！
希望组始终处在测序研究领域的最前沿，以丰富的项目经验、尖端的仪器设备、诚挚的服务精神为您带来最专业的服务。希望组PacBio Revio目前实测下机的HiFi数据已经达到了400张Cell，在同类企业中遥遥领先！
希望组已经实现了稳定、精准、高通量的数据产出，三台Revio昼夜不停地产出，为各位专家老师提供最精确的基因数据，让您的项目快人一步！
Revio长读长测序平台具有超高通量，超强运算以及成本可及等诸多优势，精准解决PacBio HiFi测序通量低的难题，为群体遗传变异研究带来了福音。Revio平台的每一张高密度 SMRT Cell搭载了2500万个ZMW（零模波导孔），而一台Revio可以并行4张Cell，每天可获得 360 Gb 的 HiFi reads，相当于每年能对 1300 个人类全基因组进行测序，与PacBio Sequel IIe平台相比测序通量提升15倍！
希望组fastHiFi闪测，一周产能超过80张Cell，数据量相当于：
注：按30x测序深度计算
希望组Revio产量精准稳定
根据PacBio官方数据，Revio单Cell实测HiFi数据可达90Gb。而希望组PacBio Revio 实测数据，人类样本单Cell产出HiFi数据量达到120.33Gb，动物样本混测单Cell产出HiFi数据产量达110.93Gb，HiFi数据平均产量为105.3Gb/Cell，HiFi数据平均读长为19.1Kb!创造目前Revio亚洲产量高峰！
希望组Revio平台优质项目实测数据
希望组Revio数据产出高效稳定，在20Kb HiFi文库上的产出突破了120GB/Cell，精确度达到Q30≥90%，数据产出水平在国内测序行业内名列前茅。
希望组在三代测序领域多年的技术积累，使得我们在动植物、微生物、人类和癌症样本的高通量测序方面都具有丰富经验。同时，我们坚持技术创新，用心保障每一位客户项目的测序质量和数据产量，客户的需求就是我们努力的方向。希望组愿与广大科研工作者结成伙伴，携手在基因测序领域的最前沿耕耘！
希望组
希望组科技服务
希望组诊断服务
