Gapless indica rice genome reveals synergistic contributions of active transposable elements and segmental duplications to rice genome evolution
https://doi.org/10.1016/j.molp.2021.06.017
研究背景
? ? 基因組組裝的最終目標(biāo)是高準(zhǔn)確且無(wú)gap的基因組。而在植物基因組中，轉(zhuǎn)座子（TEs)、著絲粒和片段復(fù)制(SDs)等重復(fù)序列十分普遍，且在基因組進(jìn)化中有非常重要的作用。這些重復(fù)序列是是基因組組裝的難點(diǎn)。
? ? 長(zhǎng)讀段測(cè)序技術(shù)的發(fā)展使得基因組組裝的連續(xù)性大大提高；Bionano、Hi-C、10X Genomics技術(shù)的出現(xiàn)，提高了組裝的連續(xù)性。技術(shù)的發(fā)展使獲得高準(zhǔn)確且無(wú)間斷的基因組成為可能。因此，作者提出了一種新的無(wú)gap的組裝方法。
組裝方法
????A.使用Hifiasm(version0.12)對(duì)來(lái)自NCBI網(wǎng)站SRA數(shù)據(jù)庫(kù)中明輝63的40.7 Gb HiFi reads進(jìn)行初步組裝。
????B.依據(jù)indica rice參考基因組R498 ，使用NUCmer或MCScan將contigs錨定到染色體上?；驁D譜、Hi-C等方法也可以用于錨定contigs。
????C.通過(guò)每個(gè)contig位置的回帖，每個(gè)染色體由一系列的contig和gap表示。針對(duì)剩余的gap，利用Hifiasm生成的讀段重疊信息進(jìn)一步重構(gòu)了關(guān)系圖（Fig1C），識(shí)別出每個(gè)gap之間所有可能的路徑，然后為每個(gè)gap選擇重疊最多的路徑，得到了每條染色體從起點(diǎn)到終點(diǎn)的路徑。
????通過(guò)三步操作，最終可以獲得無(wú)gap的indica rice基因組。
評(píng)價(jià)方法
評(píng)價(jià)填補(bǔ)的gap部分
????首先，作者核對(duì)了Illumina雙端測(cè)序和PacBio HiFi 測(cè)序的覆蓋率，結(jié)果是兩種方法都可以均勻映射到gap區(qū)域。之后，作者使用Pilon 和Racon分別使用Illumina和PacBio進(jìn)行兩輪校正。最終基因組MH63KL1組裝成12個(gè)contigs，總長(zhǎng)397.71 Mb, contig N50大小31.93 Mb。
與其他高質(zhì)量基因組比較
????作者使用BWA、samtools、GATK等方法，將MH63KL1與其他15個(gè)高質(zhì)量的水稻基因組進(jìn)行比較，結(jié)論是MH63KL1的作圖效率更高，覆蓋度更低；MH63KL1包含更少的SNPs，代表重復(fù)序列更高的完整度與更少的組裝錯(cuò)誤。之后，作者使用Benchmarking Universal SingleCopy Orthologs (BUSCO)評(píng)估基因區(qū)域的完整性，而MH63KL1是16個(gè)基因組中完整度最高的。
評(píng)價(jià)共線(xiàn)性
????作者使用NUCmer分析MH63KL1與MH63RS3、R498、ZS97RS3和IRGSP-1.0的共線(xiàn)性，有高度同線(xiàn)性。之后，作者將MH63KL1與GenBank中BACs進(jìn)行比對(duì)，結(jié)果是所有BAC序列都成功比對(duì)，覆蓋率超過(guò)90%。
SDs與進(jìn)化關(guān)系
不平衡分布
????作者利用SEDEF識(shí)別了MH63KL1中長(zhǎng)達(dá)92.21Mb的SDs區(qū)域（Fig2A），發(fā)現(xiàn)chr4、chr10、 chr11、chr12的SDs區(qū)域更多，chr1、chr2、chr3的SDs區(qū)域更少。
SDs區(qū)域與功能進(jìn)化的關(guān)系
????作者認(rèn)為，在一個(gè)待測(cè)組織中顯著高水平表達(dá)的基因?qū)?，與 sub- or neo-functionalized潛在相關(guān)，這些基因?qū)ΨQ(chēng)為AEDs（asymmetrically expressed duplicates）。
????作者使用BLASTP識(shí)別SDs區(qū)域中的旁系同源基因，共識(shí)別6869對(duì)，其中2646對(duì)互為best hits。研究這2646對(duì)基因?qū)Πl(fā)現(xiàn)991對(duì)AEDs，且隨著Ks值增加，AEDs數(shù)量在增加，可認(rèn)為SDs與功能進(jìn)化有關(guān)聯(lián)（Fig2C&D）。
????作者使用KEGG路徑分析，也印證了上述觀點(diǎn)（Fig2B）。
活躍的TEs與進(jìn)化的關(guān)系
????作者在MH63KL1中識(shí)別了158.30Mb的TEs，其中近70%是LTR因子。作者根據(jù)每個(gè)LTR-RT末端LTRs差異，計(jì)算LTR-RT的插入時(shí)間。結(jié)果是在大約150萬(wàn)年前indica和japonica品種LTR-RTs都有劇烈擴(kuò)展。然而，50萬(wàn)年內(nèi)indica基因組開(kāi)始顯著擴(kuò)展，而LTR-RTs的擴(kuò)展可能仍在進(jìn)行中。這表明indica中的TEs更加活躍。在低表達(dá)的重復(fù)基因之間，各類(lèi)型TEs的豐度較高，證明活躍的TEs可能在indica的馴化中發(fā)揮了重要作用。
學(xué)習(xí)心得
????這篇文章開(kāi)辟了一種基于三代測(cè)序技術(shù)的無(wú)gap組裝方式，提高了基因組組裝的完整度。讀完文章之后，我了解了許多關(guān)于基因組的評(píng)價(jià)角度與評(píng)價(jià)方法，也看到作者針對(duì)SDs區(qū)域與TEs區(qū)域進(jìn)行的研究，通過(guò)計(jì)算Ks值、KEGG路徑分析、計(jì)算插入時(shí)間等方法，推測(cè)對(duì)應(yīng)區(qū)域在功能進(jìn)化中的作用。
? ? 文章的后半部分針對(duì)SDs區(qū)域中NBS-LRR、cZOGTs等基因進(jìn)行了詳細(xì)解析，通過(guò)繪制系統(tǒng)發(fā)生樹(shù)、熱圖等方式，展示了SDs區(qū)域內(nèi)基因與強(qiáng)化抗病性狀的關(guān)聯(lián)。
? ? 提高基因組組裝準(zhǔn)確度是當(dāng)前生物學(xué)研究的重要課題，技術(shù)的不斷推進(jìn)，使得研究不斷向準(zhǔn)確組裝基因組靠近。從多個(gè)角度評(píng)價(jià)新組裝的基因組，才能向他人證明基因組的可信程度。準(zhǔn)確組裝基因組，是為了更好地解決生物學(xué)問(wèn)題，為研究生物的起源、馴化、基因功能等提供數(shù)據(jù)基礎(chǔ)。
