1月29日，Nature Biotechnology在线发表基于Nanopore超长读长组装人类基因组的研究论文^[1]。研究结果显示：低覆盖深度测序（~30×普通nanopore reads+ ~5× ultra-long reads）即能将基因组Contig N50组装到6.4Mb，填补了参考基因组（GRCh38）中12个gap，是来自单一测序手段得到的迄今最连续的人类的基因组。

研究人员通过Nanopore MinION测序平台获得的ultra-long reads，最长读长达到了882kb。基于最先进的测序方法分析人类基因组中先前难以攻克的复杂区域，例如评估人类染色体端粒长度；完整地组装出6号染色体上的MHC区域（位于单个contig上）等，这是MHC首次在二倍体人类基因组中被准确地定向。

此次Nanopore测序组装人类基因组研究论文的发表，对新测序技术的推广应用和更连续的人类参考基因组在临床医学研究中的应用意义深远。

预印版的解读请见Nanopore测序组装人类基因组

未来组作为牛津纳米孔公司（Oxford Nanopore Technology）官方认证的中国测序服务公司，率先于2017年9月将Nanopore测序技术引进回国，目前已配备有20台GridION X5和2台MinION测序仪，约4个月的时间内已完成牛津纳米孔测序数据产出＞2Tb，所有数据达到官方标准，符合交付指标。

未来组后续会陆续购入通量更高的PromethION测序仪，并与牛津纳米孔公司携手，推出“中国人基因组结构变异检测计划”^[2]，将在2年内对~1000个个体基因组中倒位、易位、重排、拷贝数变异等1 kb~3 Mb亚显微水平的基因组结构变异进行精准定位和分析，突破二代测序短读长瓶颈，造福人类健康。

参考文献

[1] Jain M, Koren S, Miga KH, etal. Nanopore sequencing andassembly of a human genome with ultra-longreads.Nature Biotechnology, 2018

编译参考链接：

[2]https://nanoporetech.com/about-us/news/most-complete-human-genome-assembly-date-using-single-tech-nature-biotech-paper

延伸阅读

基于Nanopore测序的结构变异分析【染色体碎裂病例解析】
欢迎来到Oxford Nanopore测序技术新世界
Oxford Nanopore丨人转录组direct RNA测序数据首发

真核基因组比较复杂，拥有很多重复序列，因此真核生物的基因组de novo组装一直是科研难点，用以往的测序手段几乎不可能得到完整的基因组图谱，NCBI数据库中拥有完整基因组的物种不到1%。但三代长读长测序技术的加入，将不可能变成了可能。

在本周发表在Nucleic Acids Research上的一篇文献中，研究者将Oxford Nanopore Technology(ONT)、PacBio技术和Illumina数据结合，完成了酿酒酵母Saccharomyces cerevisiae CEN.PK113-7D的完整基因组组装，并用Nanopore的direct RNA测序技术完成了酵母的全长比较转录组分析。

–‒-‒–内容精炼–‒-‒–

酵母基因组完成图：长读长测序Oxford Nanopore、PacBio SMRT混合组装，Illunima数据辅助校正，完成酵母基因组完成图(包括16条核基因组染色体及1个线粒体)

比较基因组分析：与已发表的S.cerevisiae S228C基因组比较，发现S.cerevisiae CEN.PK113-7D基因组中的大量染色体重排事件

全基因组碱基修饰图谱构建：5mC, 4mC和6mA

Direct RNA比较转录组测序：在获得全长转录本的同时，量化不同条件下的基因表达差异

研究结果

基因组组装及比较基因组学

1.基因组完成图组装

短读长测序在染色体末端靠近端粒处基因组图谱构建中存在明显劣势（Fig.1e），且缺失了线粒体基因组和Ⅻ染色体中部区域，而三代长读长测序却可以准确测出拥有大量重复序列的线粒体基因组和Ⅻ染色体中部区域，表现为更显著的测序深度（Fig.1d）。

Fig.1 The completeCEN.PK113-7D genome obtained from de novo assembly and its comparisons 

2.全基因组表观修饰

在CDS上游的DNA甲基化被认为与转录调节相关，本研究利用PacBio测序鉴定出了数千个4mC和6mA修饰，其中359 个4mC位点和297 个6mA位点位于CDS上游，可能调节这些CDS的转录；同时，S. cerevisiae曾被认为不含5mC，但在本研究中，利用 ONT技术鉴定出40个5mC修饰（Fig.1c），这些位点均不在CDS上游区域，暗示着可能行使其它功能。

3.比较基因组学研究

通过比较S.cerevisiae CEN.PK113-7D基因组与已发表的S.cerevisiae S228C基因组，发现二者有高度的一致性，共有5969个ORF（Fig.1f）。并且使用LAST软件比对这两个基因组，发现了555个染色体重排事件，其中>1kb的区段有35个（Fig.1b）。

Fig.2Results obtained from chromosomal rearrangement analysis

between CEN.PK113-7Dand S288C for synteny in panel (A) and translocation in panel (B).

此外，通过三代的长读长测序优势，研究者还分析了32个含有ORF的变异区段并发现其中有12个位于IV、VIII、IX和Ⅻ染色体上的共线性现象及VII染色体上的两个易位变异（Fig.2A）。此外，研究者还发现了9条染色体上的19个易位事件（Fig.2B）。

比较转录组

酿酒酵母在以葡萄糖为碳源的条件下生长会经历两个阶段（以葡萄糖为碳源的无氧呼吸和葡萄糖耗尽后以乙醇为碳源的有氧呼吸阶段）。在这两个阶段之间酵母细胞会对自身基因表达进行调整，以适应新的环境。

研究者用direct RNA测序技术对S. cerevisiae CEN.PK113-7D生长的这两个阶段进行比较转录组测序分析。

1．基因表达量分析

ONT direct RNA测序在以葡萄糖为碳源的生长阶段共获得~509Mb数据，包含~530,000条高质量reads，N50值为1,150 bases；在以乙醇为碳源的生长阶段共获得~623Mb数据，~623,000条高质量reads，N50值为1,263 bases。直接RNA测序得到的两个生长阶段的序列长度与基因组注释的结果一致（Fig.3A）。通过ONT direct RNA测序技术得到的转录本中有超过70%的转录本为全长转录本(Fig.3C)。

Fig. 3 Summary of thedirect RNA sequencing data

在S.cerevisiae CEN.PK113-7D的两个生长阶段中，有22个转录本拥有超过5000条reads，并且Fig.3B展示了不同代谢途径中，几个关键酶基因的差异性表达。Gene ontology分析（Fig.4）也反映了在这两个代谢过程中营养方式的改变导致的一系列基因表达的差异。

Fig.4 Heatmap illustration of the directionalenrichment

score of gene-set enrichment analysis of geneontology

2．转录本结构分析

传统的RNA-Seq技术中反转录、PCR扩增、短读长测序都会引入测序偏好性，让测序数据不能均匀覆盖整个转录本，造成对结果的误读和漏读。研究者通过ONT长读长测序技术发现在VIII染色体上的两个基因转录时聚合酶II越过了第一个ORF末端，继续转录直到第二个基因终止（Fig.5）。通过将ONT数据（Fig.5上图）和Illumina数据（Fig.5下图）进行比较分析，可见ONT的长读长可以清晰地将这一现象反映出来，而Illumina短读长则不能完全覆盖这一区域。

研究者在转录组数据中还发现了一些高度可信的非编码外显子ORF，例如rRNA、lncRNA及反义RNA等，为更深入的转录组学研究提供基础。

基于Oxford Nanopore和PacBio的三代长读长测序技术的发展及应用预示着“基因组草图时代”将过渡到“基因组完成图时代”，为比较基因组学研究奠定了坚实的基础。作为三代基因组测序中心，未来组通过增加产能、优化流程、持续扩大前期积累的三代测序优势；目前已配备有11台GridION X5和2台MinION测序仪，并于2018年1月17日率先通过Oxford Nanopore Technologies Limited（牛津纳米孔技术有限公司，ONT）官方认证，获得Nanopore DNA测序认证服务供应商资质。后续会购入通量更高的PromethION测序仪，致力于为合作伙伴提供高质量、超快捷的基因组学研究测序服务。

参考文献：

Jenjaroenpun P, Wongsurawat T, Pereira R, et al. Complete genomic andtranscriptional landscape analysis using third-generation sequencing: a casestudy of Saccharomyces cerevisiae CEN. PK113-7D[J].Nucleic Acids Research, 2018:1-15.

基于二代高通量测序平台的RNA-Seq技术在过去几年中得到广泛应用，然而读长限制使其无法得到精确完整的转录本，极大地限制了人们对复杂转录本的深入研究。而基于三代长读长的Iso-Seq技术能测得转录本全长，精确识别各种可变剪切形式，完整重构转录本，为转录组研究奠定【以准确获得转录本结构为前提】的基础。

Fig.1^[1]左图描述了可变剪切的几种形式；

右图示意三代长读长测序能准确识别该基因的2种可变剪接，而二代做不到

下面组学君为大家介绍两篇经典的全长转录组研究论文。什么叫经典？
经典就是前年的文章翻出来仍然能让人眼睛一亮。

经典文章聚焦

1高粱转录组

高粱适应环境的能力很强，是重要的抗非生物胁迫的模式研究体系。尽管目前已完成几种高粱品系的基因组测序，但是其转录组注释仍有待完善。研究者利用Iso-Seq 的TAPIS流程对数据进行评估和分析，结果表明PacBio Iso-Seq测序策略能够测通转录本全长，可鉴定全长的剪接异构体及其他形式的转录后调控事件（如APA），这不仅极大的丰富了高粱基因注释信息，也有助于其基因调控中研究，为转录组研究提供有力的研究工具，该成果于2016年6月发表于Nature communications^[2]。

Fig.2(a)使用Iso-Seq测序分析方法得到的AS数量与已发表的高粱基因组注释的AS数量比较；(b)含有Poly(A)位点个数对应的基因数

研究中发现了共计27,860个转录本，其中11,342(40.7%)是新发现的，7,065个基因(25.4%)是覆盖全长的。9,341个基因(69.9%)只有一种Isoform，约5,200个基因有两个或以上的Isoform，415个基因有5个或更多的Isoform。从Iso-Seq读取序列中，发现了10,053个可变剪接形式，注释了其中7,000个新的可变剪接形式，而其中仅有2,950个已注释（Fig. 2a）。在14,550个表达的基因中，11,013个基因中至少含有一个poly( A )位点，超过7,700个（50%）基因有两个或者更多的聚腺苷酸化位点（Fig. 2b），说明APA现象在高粱转录组中是广泛分布的。研究中还确定了超过2,100个未注释过的新基因以及数千个3’非翻译区不同的转录本，研究者认为大部分新基因为长链非编码转录本。

2 玉米转录组

玉米是全球总产量最高的农作物，也是研究植物转录组代谢通路的重要遗传模型。玉米基因组序列于2009年公布，后来陆续有研究者利用EST和RNA-Seq转录组数据对其基因注释进行了补充。然而由于RNA-Seq短读长的局限性使该方法无法获得全长转录本序列，限制了可变剪接形式的鉴定。

冷泉港实验室等单位利用三代测序技术的长读长优势，获得了玉米的全长转录组，在已有的玉米B73 RefGen_v3参考基因上发现了大量新信息，揭示了玉米基因表达的复杂性，该项研究成果于2016年发表在Nature communications^[3]。

Fig.3 Comparison of PacBio and RefGen_v3 Isoform

PacBio测序数据经处理得到643,330个高质量的转录本序列，其中606,145个序列（94.2%）能够比对到玉米RefGen_v3参考基因组上。经聚类分析得到了111,151个Isoform，对应26,943个基因，涵盖了玉米RefGen_v3中注释基因的70%。其中57% 的Isoform来自已知基因位点的新Isoform；2,803个(3%)新Isoform来自2,253个新的基因位点（Fig.3）。在PacBio Isoform中发现了来自53个家族的新Isoform，转录因子数量增至5,423个。其中155个新Isoform与生长激素应答的功能相关。此外，通过对PacBio数据的进一步挖掘，该研究还发现了867个新的LncRNA(平均读长1.1kb)。

文献读到这，你是否也不禁想，要不要我也把实验材料规整规整，做个转录组研究？稍等，有参考基因组的物种和无参物种，分析流程可是不一样的哦。

别担心，未来组不论是否有参，全长转录组项目经验都很丰富哦，以下为大家介绍2篇未来组项目经验论文，分别是有参异源四倍体棉花转录组和无参矮牵牛转录组。

1.未来组项目-有参异源四倍体棉花转录组分析

未来组参与的异源四倍体棉花全长转录组项目文章于2017年9月见刊New Phytologist^[4]，华中农业大学研究团队基于PacBio测序，并整合Iso-Seq流程开发适用于区分2套亚基因组转录本的分析方法，克服了短读长测序在解析多倍体Isoform的技术瓶颈，揭示了纤维特异性的可变剪接事件，2套亚基因组中部分同源基因的Isoform差异，并在Isoform水平上揭示了miRNA对可变剪接事件的调控，为研究多倍体物种可变剪接提供了新的研究角度。在异源四倍体棉花全长转录组分析中，针对四倍体物种开发了整合性Iso-Seq数据分析流程(https://github.com/Nextomics/pipeline-for-isoseq)（Fig.4）。

Fig.4异源四倍体棉花的Iso-Seq数据分析流程

研究者对多倍体棉花转录组进行分析，经mapping、phasing、clustering、consensus后总共得到44,968个基因，并从中定义了176,849个Isoform。其中全长Isoform平均2,175bp，比参考序列转录本平均1,462bp的长度长。

Fig.5(a)Iso-Seq数据及中检测的全长LncRNA与LncRNA_v1的Venn图;

(b)基因上polyA位点数目分布;(c)polyA剪切点（-50 ~ +50）的核苷酸相对频率

通过与参考序列比对，更新了18,008个基因，确定了222个融合基因，在新的转录本中确定了2,447个LncRNA，与LncRNA_V1比较，确定了365个新的LncRNA(Fig.5a)。在Iso-Seq中检测的44,968个基因中，基因上平均polyA位点数目为2.82(Fig.5b)；同时分析了polyA位点侧翼核苷酸序列，其表现出核苷酸偏向性特征，在3’UTR的polyA剪切点的上游富含U碱基，在下游富含A碱基(Fig.5c)，同时在polyA剪切点上游确定了2个保守的motifs（AAUAAA和UGUA）。

2.未来组项目-无参矮牵牛转录组分析

由华中农业大学园艺林学学院研究团队主导的，未来组参与的全长转录组分析项目文章，2017年3月发表于Scientific Reports^[5]。研究通过结合全长转录组Iso-Seq和RNA-Seq两者优势，针对无参考基因组物种的转录组分析开发了HySeMaFi（hybrid sequencing and map finding）流程，该流程可对基因剪接形式进行挖掘，克服了RNA-Seq中不完善的Isoform重构形式，同时，也可定量Isoform表达，为后续研究提供准确的参考数据。

Fig.6 HySeMaFi 分析流程示意图

基于RNA-Seq和Iso-Seq两种测序策略，开发HySeMaFi分析方法，示意图见Fig.6。在RNA-Seq中，经不同组装方法拼装出所有理论上的Isoform形式（涵盖有真实的Isoform形式），同时在Iso-Seq中经过校正得到A、B两种Isoform。通过比对方法，建立RNA-Seq中 longest molecules（如图中 1）和PacBio corrected reads比对关系，用于后续下游分析，如得到的longest molecules和PacBio corrected reads可用于分析可变剪接形式，PacBio corrected reads可作为参考基因集做后续基因表达分析。

Fig. 7 经HySeMaFi方法全方位确定基因可变剪接形式

PacBio数据经聚类，80% Isoform聚类的cluster含有2个以内Isoform形式，同时也发现100个以上cluster含有50个Isoform形式（Fig.7a）。经HySeMaFi方法得到的转录本，如组装的longest molecules 和PacBio corrected reads，除了可能的外显子对应的基因Isoform外，至少有2,264基因有2个以上可变剪接形式(Fig. 7b)。为验证，以Miseq数据作为query，比对到Hiseq数据的longest Contigs，结果与基因分析中长读长作为数据集的结果一致（Fig.7c 和Fig.7d）。

通过结合RNA-Seq和Iso-Seq，开发的针对无参考基因组的HySeMaFi分析流程，在转录组分析中，可挖掘更多基因可变剪接形式及精确定量Isoform的表达。

基于长读长的转录组研究优势日益凸显，在对已知基因序列的补充注释，新的可变剪接形式分析、APA分析、融合基因和LncRNA的发现中发挥着越来越重要的作用。

未来组的全长转录组学研究，不仅包含PacBio SMRT技术，也已推出基于Nanopore的direct RNA测序技术，开启转录组学研究新纪元（技术详情请见Nature methods 文章关于direct RNA测序的测评解读），我们有丰富的全长转录组项目经验，针对特定项目，对分析流程进行优化，以期为不同领域的研究者提供更为完善的解决方案。

参考文献

[1] Park E, Pan Z, Zhang Z, et al. The Expanding Landscape of Alternative Splicing Variation in Human Populations[J]. The American Journal of Human Genetics, 2018, 102(1): 11-26.

[2] Abdel-Ghany S E, Hamilton M, Jacobi J L, et al. A survey of the sorghum transcriptome using single-molecule long reads[J]. Nature Communications, 2016, 7:11706.

[3] Olson A, Bo W, Ware D, et al. Unveiling the complexity of the maize transcriptome by single-molecule long-read sequencing[J]. Nature Communications, 2016, 7:11708.

[4] Wang M, Wang P, Liang F, et al. A global survey of alternative splicing in allopolyploid cotton: landscape, complexity and regulation[J]. New Phytologist, 2017, 217(1):163-178

[5] Ning G, Cheng X, Luo P, et al. Hybrid sequencing and map finding (HySeMaFi): optional strategies for extensively deciphering gene splicing and expression in organisms without reference genome[J]. Scientific Reports, 2017, 7:43793.

图片来源于网络｜侵删

本周一，Nature Methods在线发表Oxford Nanopore direct RNA测序技术测评文章，结果表明，【不经反转、无须扩增的RNA直接测序】能获得全长的链特异性RNA，无测序偏好性，并同时记录碱基修饰，为后续研究基因结构和基因表达，提供新技术新方法。

direct RNA建库测序

▼

提取样本RNA（该实验样本为酵母Saccharomyces cerevisiae），在建库时先后加上poly(T) 接头和测序接头，于Oxford Nanopore测序仪上机测序（该研究中试剂版本：R9.4，测序机型：MinION。未来组以更新款GridION X5机型搭建测序平台，通量更高、base calling更快）

 Fig.1 direct RNA测序的建库示意图

测序“raw data”展示

▼

Fig.2 展示的是一段带接头序列的~1500-nt的转录本通过测序纳米孔时记录下的电流变化。可以看出测序的顺序是：接头序列→poly(A)→转录本主体。随后对电流变化进行算法识别，重构转录本序列。

当一条转录本完全经过后，纳米孔又重归开放状态，可以迎接下一条RNA的到来。

Fig.2 RNA分子经过纳米孔时记录下来的电流变化

对direct RNA测序进行测评

▼

–1. 与参考转录组数据比对–

构建3个数据集：direct RNA在Nanopore测序；反转成cDNA用Nanopore测序；反转成cDNA用Illumina测序。

将测序reads比对到酵母参考转录组，比对情况如下：

–2. 三个数据集之间两两比对–

随后，对三个数据集对同一条转录本的reads支持情况进行了比较，结果显示相关度很高。

 Fig.3 支持每条转录本所对应的reads数量，两两间比对

   （n = 6,531 transcripts，每条转录本至少有一个数据集中的read支持）

–3. 对参考基因组覆盖度的评估–

将direct RNA 和 Illumina cDNA测序reads比对到参考基因组上，计算reads对基因的比对情况和覆盖度（Fig.4），direct RNA比对上的reads数量为2,045,748 (63.43%)；Illumina RNA-seq reads比上的数量为708,592,030 (98.22%)。direct RNA 和 Illumina cDNA测序reads在对基因的覆盖方面，相关度很高（Spearman’s rho = 0.73，Fig.5）。

Fig.4 direct RNA和Illumina cDNA测序，比对到参考基因组的覆盖度

外圈：参考基因组；中圈：direct RNA；内圈：Illumina

Fig.5 direct RNA和Illumina cDNA测序，支持每个基因所对应的reads数相关性比较

（n= 6,692 genes）

–4. 对基因识别准确度的评估–

该研究以酵母中的两个同工酶GAPDH基因为例，它们位于基因组不同的位置，编码同一个酶的不同形式，其编码序列有95.8%是完全相同的，仅有42个不同位点的碱基差异。基于以往二代测序是很难将短reads准确地mapping回参考基因组的。而在direct RNA测序中，该区域每条reads能覆盖这42个差异碱基中的大部分，即便有少量位点读取错误，也不影响将reads准确地mapping到对应的基因（Fig.6）。

Fig.6 direct RNA测序reads mapping到两个同工酶GAPDH基因的结果

–5. 实验可重复性的评估–

另外还对同一个样本构建了5个不同的文库分别上机测序，技术学重复结果相关性高（Spearman’s rho = 0.94–0.96;n= 6,713 transcripts），表明文库构建和上机测序实验重复性好。

–6. 测序偏好性的评估–

文章利用外源标准ERCC样品(The External RNA Control Consortium)评估预期和实际的测序读长及测序丰度，结果显示高度的一致性，Spearman’s rho = 0.93, P = 1.9 × 10−40, n = 92 ERCC transcripts（Fig.7a），说明direct RNA测序对转录本的长度没有偏好性。Fig.7b、c评估了对ERCC RNA的覆盖完整度，大部分reads对转录本的覆盖完整度都接近1.0，说明direct RNA测序大部分reads都是测的转录本全长。从Fig.7c还可以看出，direct RNA获得的是链特异性的RNA序列，这对进一步准确获得基因结构及基因表达信息有重要的意义。

Fig.7 测序外源标准ERCC RNA样品，评估direct RNA测序偏好性

–7. 碱基修饰直接识别–

Direct RNA测序能在读取RNA碱基序列的同时获得碱基修饰信息。Fig.8以两种常见的碱基修饰m6A和5-mc为例，展示了经过修饰的碱基与未经过修饰的碱基，在经过测序纳米孔时引起的电流变化有什么区别。

Fig.8 碱基修饰对电流变化趋势的影响示意图

(a) m6A; (b)5-mc

不经反转、无须扩增的RNA直接测序能获得全长的链特异性RNA，无测序偏好性，并同时记录碱基修饰，为后续研究基因结构和基因表达，提供新技术新方法。