“妖蛾子”的“药引子”| stLFR技术再现非凡潜力

5月中旬，针对草地贪夜蛾的迅速发展态势，包括深圳华大生命科学研究院在内的多个单位共同成立研究小组，迅速开展了样本采集和基因组测序工作，从样本采集到论文发表 ^[1]，仅用25天便完成了全球首个草地贪夜蛾染色体级别的基因组组装。

基因组测序的完成，打开了草地贪夜蛾防治的第一步，除解释了草地贪夜蛾高耐药性的可能分子机制之外，还提供了更为精细的类别信息，为该害虫的防治工作提供了可借鉴信息。

草地贪夜蛾基因组的快速解码，国产基因测序仪MGISEQ-2000和新一代单管长片段测序stLFR(single tube long fragment reads)迅速响应， 再现其非凡潜力。为造福更多的下游数据分析应用，华大算法开发团队针对stLFR数据结构特点开发了stLFR de novo组装软件。

那么，什么是stLFR 单管长片段测序技术呢？

这是一个拥有超强的虚拟分隔共标记技术（Virtual Co-Barcoding），通过单管操作就能轻松的获得基因组长片段信息[2]。只需要在单管中加入1-1.5ng HMW gDNA，这些DNA分子3000万种标签序列结合后，stLFR技术就可以在单管中对超过八百万条跨度在20,000到300,000bp的长片段进行特异性地共标记（图1）。使用stLFR组装软件，通过高效地利用庞大的barcode信息进行组装，就能获得更完美的基因组组装效果，让动植物基因组组装变得更加简单，经济，快速。

华大智造开发的这款与stLFR技术配套的组装软件，其特点在于可以充分利用stLFR数据的barcode信息指导组装，同时还支持stLFR与三代数据的混合组装。其前期数据预处理主要包括拆barcode、过滤低质量reads、duplicate和adapter两个部分，后期组装分为纯stLFR组装和加入三代数据混合组装两个阶段，可根据实际情况进行选择。

数据展示

通过对3组不同深度的NA12878数据进行组装测试，最长contig N50可达到57Kb，覆盖度均达到92%以上。其中，数据来源是采用MGIEasy stLFR 文库制备试剂盒（货号: 1000005622），以1.5ng为起始量构建的文库。

表1 stLFR NA12878数据组装结果表

运行资源

运行资源以数据预处理后30x的NA12878为标准，组装全过程耗时约2.6天，80线程条件下，消耗内存408G，最大占据存储空间1TB左右。其前期数据预处理最大消耗内存50GB，占26.9小时；后期组装在开设80线程的条件下，最大消耗内存408GB，占36.3小时。具体资源消耗可看下方表格：

表2 stLFR组装消耗资源统计表

软件列表

表3 stLFR组装所需软件列表

参考文献

[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.