基因組 de novo 組裝原理

為了錯誤校正，將原始子reads進行overlap

預組裝和錯誤校正

錯誤校正後reads的overlap檢測

overlap的過濾

從overlap構建圖

從圖構建contigs

sub-reads是啥？為什麼要進行錯誤校正？校正的原理是什麼？length_cutoff和length_cutoff_pre分別是什麼意思，為什麼要設定這兩個引數？

sub-reads就是機器出來的reads經過處理後的子reads，方便軟體處理；

因為第三代測序是單分子測序，讀長大，reads長，錯誤率高，單條reads的正確率只有85%，必須進行校正。

如果測序深度足夠，那麼就可以構建overlap，根據概率學原理，可以進行校正。

cutoff就是扔掉長度不足的reads（例如：扔掉10k以下的reads），因為reads太短沒有多大意義，增加計算量，校正時，不能切掉太多的reads，所以其cutoff值較小；預組裝時，短reads該利用的資訊已經利用完了，可以扔掉了，所以其cutoff可以設定得稍微大些，減少計算量。

為什麼錯誤校正後還要進行overlap？引數 -e.96 和 -e.70 分別是什麼意思？

因為錯誤校正後的reads變化非常之大，必須重新進行overlap，-e是一致性引數，就是精度的意思，組裝之前，因為錯誤率較高，可以容忍較低的一致性0.70；組裝時，reads已經校正好了，所以對一致性較高，調到了0.96.

為什麼要將overlap進行過濾？

為了砍掉一些沒有必要的計算，減少計算量，只選擇最好的n個overlap進行組裝，過濾掉重複序列。

構建圖構建contigs大致是個什麼意思？

就是根據overlap乙個乙個的把reads連起來，從前到後，因為重複序列的原因，必然會組成圖（圖會有各種形態）

然後根據一定的原則，去掉圖中一些沒有必要的邊，選擇一條最優的路徑，就可以組成我們想要的最終的contigs。