Unicycler 是一款專為細菌基因組設計的混合組裝工具，由 Ryan Wick 博士團隊開發。它巧妙結合了二代測序中短讀長（Illumina）的高準確性與三代測序中長讀長（PacBio/Oxford Nanopore）的跨重復優勢，特別適用于高重復、高雜合或復雜結構的微生物基因組組裝。同時，它也是一款可以獨立完成二代測序基因組組裝、三代測序基因組組裝以及二三代測序數據混合組裝的優秀生信軟件，下文將著重介紹二三代測序數據混合組裝。

相較于傳統組裝工具（如SPAdes、IDBA-UD），Unicycler 在解決細菌基因組中重復序列和質粒環狀結構時表現卓越，尤其適合單菌分離樣本或宏基因組分箱后的精細化組裝。

Unicycler 的算法設計融合了De Bruijn圖與字符串圖（String Graph）的優勢，分三階段實現高效組裝：

1、短讀長糾錯與初步組裝

• De Bruijn圖構建：將短讀長拆分為k-mer，構建圖結構，通過尋找歐拉路徑生成初始Contig。

• 錯誤剔除：基于k-mer頻率和一致性過濾低覆蓋分支，避免測序噪聲干擾。

2、長讀長進行的圖優化

• 長讀長比對與糾錯：將長讀長比對至初始Contig，校正其測序錯誤并填充缺口。

• 字符串圖構建：基于長讀長的重疊關系構建字符串圖，解決重復區域的路徑歧義。

3、路徑選擇與環化處理

• 啟發式搜索最優路徑：結合讀長覆蓋度和拓撲結構選擇最可能的路徑，生成線性或環狀Scaffold。

• 自動環化檢測：通過比對末端重疊識別環狀結構，輸出完整染色體/質粒序列。

Github官網上有提供相應源碼，可直接下載安裝，下面提供一種安裝方案，可以安裝最新版的Unicycler。

案例背景：對一株耐藥性的大腸桿菌進行基因組組裝，數據源包含illumina雙端測序（150bp）數據和Nanopore長讀長（N50=15kb）數據。

1、運行命令

? -1/-2：illumina 雙端數據

? - l：長讀長數據

? - o：輸出目錄

2、輸出結果文件

? assembly.fasta: 最終組裝序列

? assembly.gfa: 組裝圖文件，可用Bandage軟件來可視化

? unicycler.log：詳細日志文件，可用于調試與性能評估

Unicycler 憑借其混合算法與自動化設計，已成為微生物基因組研究的標桿工具。無論是臨床病原體溯源還是環境微生物挖掘，它都能提供高完整度、低錯誤率的組裝結果。下一期我們將帶來Unicycler單獨進行二代測序數據或者三代測序數據組裝的詳細介紹，敬請期待！