无参考基因组denovo组装流程怎么做：步骤与常用工具解析
denovo组装是在缺乏参考基因组条件下，直接依据测序片段间的重叠关系重构原始基因组或转录本序列的生物信息分析流程。其检测对象涵盖未知物种基因组、宏基因组混合序列以及无参考转录组数据。下文从组装原理、样品准备、软件流程、质量评估、基因注释到结果判读，逐层拆解各分析模块的技术要点与操作规范，为无参考序列条件下的测序数据分析建立完整的实施框架。
检测原理与机制
denovo组装的核心机制为序列重叠区识别与图结构遍历。测序产生的短读段之间存在不同程度的位置重叠，组装软件将读段拆分为k-mer短片段，统计其出现频次与连接关系，据此构建De Bruijn图。图中节点代表k-mer，边代表相邻k-mer的先后顺序。软件在图上执行错误校正、气泡消解与尖端剔除操作，剔除测序错误与杂合位点引起的分支，最终输出一致性序列（contig）。随后依据配对读段与长读段提供的距离信息，将contig定向排列为scaffold。
测序样品准备与数据质控
样品质量直接决定组装上限。基因组样品需保证DNA完整性与纯度，经核酸定量与凝胶电泳或荧光法核查后建库测序；转录组样品需完成RNA完整性核查，通常要求完整度达到较高水平方可进入文库构建环节。原始数据（raw reads）获得后，须以FastQC等工具核查碱基质量分布、GC含量与接头残留情况。再经Trimmomatic、fastp或Cutadapt进行接头剔除与低质量末端修剪，获得clean reads，方可进入组装环节。
De novo组装常用软件与流程
常用组装软件可按算法与数据类型区分。短读段基因组组装多采用SOAPdenovo2、SPAdes、MEGAHIT与ABySS，其中MEGAHIT采用简洁De Bruijn图与多k-mer迭代策略，适合大样本量数据。转录组组装以Trinity为代表，其采用 Inchworm、Chrysalis与Butterfly三段式流程，先构建k-mer索引，再聚类成分组件，最终解析出可变剪接转录本。混合组装可引入长短读段结合策略，以长读段（如PacBio、Nanopore数据）辅助跨越重复区。宏基因组样本则常用MEGAHIT或metaSPAdes执行混合群落组装。
组装质量评估指标
组装质量须从多个维度量化。N50为将contig按长度降序排列后，累计长度达到组装总长一半时所对应的序列长度，其数值越高表明组装连续性越好；同类指标还contig总数、最大contig长度与组装总长。 BUSCO以近缘物种单拷贝直系同源基因的完整度评价组装准确性，完整度越高表明基因区覆盖越完备。此外需核查读段回比对率，以Bowtie2或BWA将clean reads比对回组装结果，统计比对率与覆盖深度分布，判断组装对原始数据的代表性。
基因注释与功能预测
组装获得序列后须进行结构预测与功能注释。编码基因预测可依据物种类型选用Augustus、GeneMark或转录本开放阅读框识别工具TransDecoder。功能注释阶段将预测序列与多个权威数据库比对，NR库比对获取同源基因描述、以BLAST比对Swiss-Prot获取高质量注释、经InterProScan或HMMER比对Pfam结构域库识别蛋白家族。代谢通路注释依赖KAAS或BlastKOALA将基因映射至KEGG通路，GO功能分类则借助eggNOG-mapper完成，从而构建基因的功能谱系。
应用场景与结果判读
denovo组装适用于新物种基因组测绘、无参考物种转录组分析、环境宏基因组研究以及病毒与基因组重排事件调查。结果判读时应将连续性指标与准确性指标交叉核对：N50升高而BUSCO完整度未同步提升，提示可能存在错误连接或重复区误并；比对率过低则提示数据利用不足或存在污染。转录组层面须关注unigene数量、平均长度与注释比例，据此判断组装深度是否满足后续表达定量需求。各指标应结合样品类型与建库策略综合解读。
常见问题与注意事项
应如何选择合适的组装软件？
应依据数据类型与样品性质确定：短读段基因组组装可选用MEGAHIT、SPAdes或SOAPdenovo2；转录组组装以Trinity为主；宏基因组样本宜采用metaSPAdes或MEGAHIT；长读段数据可辅助跨越重复区，提升scaffold连续性。
denovo组装质量好坏依据哪些指标判定？
主要依据N50、contig总数、组装总长与最大contig长度衡量连续性，以BUSCO基因完整度衡量准确性，并结合clean reads回比对率与覆盖深度分布，交叉核验组装结果对原始数据的代表性。
denovo组装流程适用于哪些样品与材料范围？
适用于未知或缺乏参考基因组序列的各类生物样品，新物种基因组样本、动植物与微生物转录组样品、环境宏基因组样本以及病毒样本，凡无可用参考序列的测序数据均可纳入该分析流程。
