• 圖構建：拆分短序列為k-mer（默認k=21/33/55），構建 De Bruijn 圖，通過尋找歐拉路徑生成初步contig；

• 糾錯優化：借助 SPAdes 算法改良，結合橋接(bridging)與覆蓋過濾，解決重復區段問題，提高組裝連貫性。

• 初步組裝：基于 Miniasm 快速構建重疊圖；

• 多輪校正：默認結合 Racon 進行3輪錯誤校正；

• 自動閉環：識別染色質/質粒環狀結構，輸出完整閉環序列。

• 二代數據：雙端FASTQ文件，推薦覆蓋度≥50x；

• 三代數據：FASTQ/FASTA格式，推薦N50≥10kb，覆蓋度≥30x。

場景一：僅用二代數據組裝

場景二：僅用三代數據組裝

• --keep：保留中間文件，便于后續調試與評估；

• –min_polish_size：只對 ≥10 kb 的contig進行拋光。

• 樣本：大腸桿菌E.coli K-12，基因組大小約4.6Mb；

• 測序平臺：

二代：Illumina NovaSeq PE150，覆蓋度100x；

三代：Nanopore PromethION，N50=15 kb，覆蓋度50x。

二代數據：

三代數據：

• Contig N50：理想值應接近全基因組長度（~4.6 Mb）；

• 閉環比例：檢查 assembly.fasta 中 circular=true 標簽；

• BUSCO 完整性：目標細菌數據庫中完整度 ≥95%。

• Contig 碎片化：

二代：增加測序深度，調整 --min_kmer_coverage；

三代：嘗試提高 --min_overlap（如設為5000）。

• 嵌合體污染：使用BLAST或MUMmer對比參考基因組，排查異常區域。

后續我們將陸續推出以下專題，幫助大家從入門到進階掌握二代/三代測序分析技能：

• 三代數據質控與糾錯工具詳解（如 Filtlong、NanoFilt、Racon、Medaka）

• 宏基因組組裝與 binning 技術實戰

• 基于圖的可視化分析工具（Bandage、IGV、Tablet）

• 長短讀混合組裝工具對比（如 Flye、HybridSPAdes、MaSuRCA 等）

敬請關注，解鎖更多生信實戰干貨！