简而言之:使用Illumina,Nanopore和PacBio测序技术进行基准病毒学测试
Ryan Cook1, Nathan Brown2, Branko Rihtman3
1School of Veterinary Medicine and Science, University of Nottingham, Sutton Bonington Campus, College Road, Loughborough, Leicestershire, LE12 5RD, UK.
Microbial genomics
|February 20, 2024
概括
使用长读序列 (纳米孔,PacBio) 调查病毒群体显示,Illumina短读单独表现最好. 使用Illumina和Nanopore读数的混合组装产生了与短读数组件相似的结果,改善了病毒基因组的重建.
科学领域:
- 病毒学 病毒学
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
背景情况:
- 病毒转基因组学显著提高了我们对病毒多样性和生态学的理解.
- 长读测序技术 (纳米孔,PacBio) 在基因组学中越来越多地使用,但它们在病毒转基因组学中的应用正在芽.
- 不同测序技术对病毒社区重建的影响尚不清楚.
研究的目的:
- 评估Illumina,纳米孔和PacBio测序技术在病毒转基因组学方面的性能.
- 为了比较各种组装方法来从不同的测序数据中重建病毒基因组.
- 确定最佳的测序和组装策略来分析病毒群体.
主要方法:
- 从先前测序的菌体基因组中创建了一个模拟的菌体社区.
- 模拟社区使用Illumina,纳米孔和PacBio技术进行了测序.
- 在生成的测序数据上测试了多个组装算法.
主要成果:
- 在使用单一技术时,Illumina短读测序产生了最佳的菌体基因组恢复.
- 与Illumina相比,纳米孔和PacBio只读长时间组件的基因组恢复率较低,错误率更高 (SNP,INDEL).
- 结合Illumina和Nanopore读数的混合组件实现了与只读短组件可比的错误率,优于只读长的方法.
结论:
- 对于病毒转基因组学的单一技术组装,Illumina短读目前是最有效的.
- 混合组装策略,特别是结合Illumina和纳米孔读数,为改善病毒基因组重建提供了一个有希望的方法.
- 测序技术和组装算法的选择显著影响下游分析,如基因预测和病毒组中的多样性估计.
