本文總結了現階段高通量測序中拼接問題的研究結果，針對現在流行的各種算法進行了簡單介紹。大家在相關論文寫作時，可以參考這篇題目為“淺析現階段高通量測序中的拼接問題”的基因工程論文。
原標題：高通量測序中拼接問題的研究現狀
摘要：近年來，隨著第二代測序技術的普及和第三代測序技術的逐步發展，高通量測序技術在實際研究中的應用越來越廣泛。高速率、高性價比是其主要優點。相對于傳統的桑格（Sanger）法測序來言，高通量測序得到的片段長度較為短小，故如何拼接得到完整的序列一直是炙手可熱的研究方向。本文總結了現階段高通量測序中拼接問題的研究結果，針對現在流行的各種算法進行了簡單介紹。
關鍵詞：高通量測序；reads 拼接；contigs 組裝；OLC、De brujin 圖
一、測序技術的發展過程和現狀[1]
（一）桑格法
桑格法又叫做雙脫氧鏈終止法，由Sanger在1977年提出。通過加入帶有放射標記的dd NTP（雙脫氧核苷酸）使DNA合成終止。再通過電泳，并使用放射自顯影技術讀出堿基。此方法得到的片段較長，能達到1000bp左右。
（二）第二代測序技術
隨著科學技術的發展，傳統的桑格法已經不能滿足研究的需要?？茖W家們需要更快的速度、更高的通量以及更低廉的價格，于是第二代測序技術應運而生。其核心思想是邊合成邊測序?，F在主要有454 GS FLX、SOLi D和Illumina/Solexa GenomeAnalyzer三個平臺。第二代測序是現階段測序技術的主流，也是高通量測序的開始。
（三）第三代測序技術
第三代測序技術是指單分子測序技術。不需要經過PCR的過程即可測序，速度可以達到每秒十個堿基。通量更大，讀長更短，是現階段測序技術的發展方向。
二、高通量測序中的拼接工作
（一）高通量測序所得片段的特點
高通量測序之后所得到的序列片段稱為reads（讀?。?，其主要特點兩點。一是長度短，一般在200bp以 下，最長的454平臺能達到的長度也不過1000bp,因此需要進行 大量的拼接才能得到整條DNA序列。二是有部分重疊，由于測序位置具有隨機性，故各reads總會有一定的重疊，這些重疊是拼接工作的關鍵。
（二）拼接過程
整個拼接過程分為兩步。第一步，考察reads的重復序列，并拼接成更長的片段，稱為contigs（重疊群），這一步稱為reads的拼接；第二步，確定contigs之間的順序關系，并按此排列，形成稱為scaffolds的序列，這一步叫做contigs的組裝。
三、Reads的拼接
（一）拼接過程的難點
reads拼接過程中要克服的難點主 要有兩點，一是高通量測序得到的reads長度較短，故內含信息較少，不易確認相對順序。二是遠程連接信息（Long-range linking information）的不可靠性。 2這兩點制約著reads拼接過程的準確率。
（二）方法[3]
reads拼接過程中算法的基本要求是de novo（從頭測序），即不需要任何序列信息即可對原料進行測序。由此衍生出兩種主流的算法：
1.OLC
OLC,即交疊-排列-共有序列算法（Overlap-layout-consensus），是一個比較傳統的算法，其基本思想為根據reads間的重復部分，確定可能性的reads連接順序。
其步驟為：構建交疊圖：對每兩個reads進行比對，計算它們的重疊度---排列reads:將reads進行排列，確定它們之間的相對位置，建立overlap圖---生成共有序列：通過多序列比對等方法，確立最后的contig.
OLC算法的計算量主要體現在交疊圖的構建，而高通量測序得到的海量短序列有大量的交疊，往往需要大量的運算時間。故OLC算法并不適合現在高通量測序的發展趨勢?，F在某些拼接軟件，如Shorty、CABOG等仍在使用基于此的算法。雖然這些軟件針對OLC算法有一定的改進和優化，但其拼接速度和準確性仍受到限制。
2.De brujin圖
基于De brujin圖（DBG）的算法是現在最流行的算法，許多常用的拼接軟件如Velvet、ABy SS等都在使用這種算法。其特點為把基因序列的拼接問題轉化為了數學上的圖論問題，大大提高了拼接效率。
（1）基本思想
reads中 連 續 的k個 堿 基 稱 為k -mer,作 為DBG的節點，兩個k-mer如 果在同一read中 相鄰，則形成一條邊。故每個read都會對一些邊加權，最后形成一個含有節點、有權值的邊的DBG,由此生成最佳的contig.
原標題：高通量測序中拼接問題的研究現狀
摘要：近年來，隨著第二代測序技術的普及和第三代測序技術的逐步發展，高通量測序技術在實際研究中的應用越來越廣泛。高速率、高性價比是其主要優點。相對于傳統的桑格（Sanger）法測序來言，高通量測序得到的片段長度較為短小，故如何拼接得到完整的序列一直是炙手可熱的研究方向。本文總結了現階段高通量測序中拼接問題的研究結果，針對現在流行的各種算法進行了簡單介紹。
關鍵詞：高通量測序；reads 拼接；contigs 組裝；OLC、De brujin 圖
一、測序技術的發展過程和現狀[1]
（一）桑格法
桑格法又叫做雙脫氧鏈終止法，由Sanger在1977年提出。通過加入帶有放射標記的dd NTP（雙脫氧核苷酸）使DNA合成終止。再通過電泳，并使用放射自顯影技術讀出堿基。此方法得到的片段較長，能達到1000bp左右。
（二）第二代測序技術
隨著科學技術的發展，傳統的桑格法已經不能滿足研究的需要?？茖W家們需要更快的速度、更高的通量以及更低廉的價格，于是第二代測序技術應運而生。其核心思想是邊合成邊測序?，F在主要有454 GS FLX、SOLi D和Illumina/Solexa GenomeAnalyzer三個平臺。第二代測序是現階段測序技術的主流，也是高通量測序的開始。
（三）第三代測序技術
第三代測序技術是指單分子測序技術。不需要經過PCR的過程即可測序，速度可以達到每秒十個堿基。通量更大，讀長更短，是現階段測序技術的發展方向。
二、高通量測序中的拼接工作
（一）高通量測序所得片段的特點
高通量測序之后所得到的序列片段稱為reads（讀?。?，其主要特點兩點。一是長度短，一般在200bp以 下，最長的454平臺能達到的長度也不過1000bp,因此需要進行 大量的拼接才能得到整條DNA序列。二是有部分重疊，由于測序位置具有隨機性，故各reads總會有一定的重疊，這些重疊是拼接工作的關鍵。
（二）拼接過程
整個拼接過程分為兩步。第一步，考察reads的重復序列，并拼接成更長的片段，稱為contigs（重疊群），這一步稱為reads的拼接；第二步，確定contigs之間的順序關系，并按此排列，形成稱為scaffolds的序列，這一步叫做contigs的組裝。
三、Reads的拼接
（一）拼接過程的難點
reads拼接過程中要克服的難點主 要有兩點，一是高通量測序得到的reads長度較短，故內含信息較少，不易確認相對順序。二是遠程連接信息（Long-range linking information）的不可靠性。 2這兩點制約著reads拼接過程的準確率。
（二）方法[3]
reads拼接過程中算法的基本要求是de novo（從頭測序），即不需要任何序列信息即可對原料進行測序。由此衍生出兩種主流的算法：
1.OLC
OLC,即交疊-排列-共有序列算法（Overlap-layout-consensus），是一個比較傳統的算法，其基本思想為根據reads間的重復部分，確定可能性的reads連接順序。
其步驟為：構建交疊圖：對每兩個reads進行比對，計算它們的重疊度---排列reads:將reads進行排列，確定它們之間的相對位置，建立overlap圖---生成共有序列：通過多序列比對等方法，確立最后的contig.
OLC算法的計算量主要體現在交疊圖的構建，而高通量測序得到的海量短序列有大量的交疊，往往需要大量的運算時間。故OLC算法并不適合現在高通量測序的發展趨勢?，F在某些拼接軟件，如Shorty、CABOG等仍在使用基于此的算法。雖然這些軟件針對OLC算法有一定的改進和優化，但其拼接速度和準確性仍受到限制。
2.De brujin圖
基于De brujin圖（DBG）的算法是現在最流行的算法，許多常用的拼接軟件如Velvet、ABy SS等都在使用這種算法。其特點為把基因序列的拼接問題轉化為了數學上的圖論問題，大大提高了拼接效率。
（1）基本思想
reads中 連 續 的k個 堿 基 稱 為k -mer,作 為DBG的節點，兩個k-mer如 果在同一read中 相鄰，則形成一條邊。故每個read都會對一些邊加權，最后形成一個含有節點、有權值的邊的DBG,由此生成最佳的contig.
