5月中旬，針對草地貪夜蛾的迅速發展態勢，包括深圳華大生命科學研究院在內的多個單位共同成立研究小組，迅速開展了樣本采集和基因組測序工作，從樣本采集到論文發表 ^[1]，僅用25天便完成了全球首個草地貪夜蛾染色體級別的基因組組裝。

基因組測序的完成，打開了草地貪夜蛾防治的第一步，除解釋了草地貪夜蛾高耐藥性的可能分子機制之外，還提供了更為精細的類別信息，為該害蟲的防治工作提供了可借鑒信息。

草地貪夜蛾基因組的快速解碼，國產基因測序儀MGISEQ-2000和新一代單管長片段測序stLFR(single tube long fragment reads)迅速響應， 再現其非凡潛力。為造福更多的下游數據分析應用，華大算法開發團隊針對stLFR數據結構特點開發了stLFR de novo組裝軟件。

那么，什么是stLFR 單管長片段測序技術呢？

這是一個擁有超強的虛擬分隔共標記技術（Virtual Co-Barcoding），通過單管操作就能輕松的獲得基因組長片段信息[2]。只需要在單管中加入1-1.5ng HMW gDNA，這些DNA分子3000萬種標簽序列結合后，stLFR技術就可以在單管中對超過八百萬條跨度在20,000到300,000bp的長片段進行特異性地共標記（圖1）。使用stLFR組裝軟件，通過高效地利用龐大的barcode信息進行組裝，就能獲得更完美的基因組組裝效果，讓動植物基因組組裝變得更加簡單，經濟，快速。

華大智造開發的這款與stLFR技術配套的組裝軟件，其特點在于可以充分利用stLFR數據的barcode信息指導組裝，同時還支持stLFR與三代數據的混合組裝。其前期數據預處理主要包括拆barcode、過濾低質量reads、duplicate和adapter兩個部分，后期組裝分為純stLFR組裝和加入三代數據混合組裝兩個階段，可根據實際情況進行選擇。

數據展示

通過對3組不同深度的NA12878數據進行組裝測試，最長contig N50可達到57Kb，覆蓋度均達到92%以上。其中，數據來源是采用MGIEasy stLFR 文庫制備試劑盒（貨號: 1000005622），以1.5ng為起始量構建的文庫。

表1 stLFR NA12878數據組裝結果表

運行資源

運行資源以數據預處理后30x的NA12878為標準，組裝全過程耗時約2.6天，80線程條件下，消耗內存408G，最大占據存儲空間1TB左右。其前期數據預處理最大消耗內存50GB，占26.9小時；后期組裝在開設80線程的條件下，最大消耗內存408GB，占36.3小時。具體資源消耗可看下方表格：

表2 stLFR組裝消耗資源統計表

軟件列表

表3 stLFR組裝所需軟件列表

參考文獻

[1] Huan Liu, Tianming Lan1, Dongming Fang, et al. Chromosome level draft genomes of the fall armyworm, Spodoptera frugiperda (Lepidoptera: Noctuidae), an alien invasive pest in China

[2] Wang O, Chin R, Cheng X, et al. Efficient and unique co-barcoding of second-generation sequencing reads from long DNA molecules enabling cost effective and accurate sequencing, haplotyping, and de novo assembly[J]. Genome research, 2019: gr. 245126.118.