自基因組學(xué)技術(shù)問(wèn)世以來(lái),，測(cè)序與分析一直就是基因組學(xué)技術(shù)中最主要的兩個(gè)環(huán)節(jié),。實(shí)際上,，與繁重的測(cè)序工作相比,，基因組的分析也同樣復(fù)雜,，需要耗費(fèi)大量時(shí)間,。

　　然而,，近年來(lái)隨著基因組學(xué)技術(shù)突飛猛進(jìn)的發(fā)展,，這種狀況正在逐步發(fā)生改變。　　

　　2019年12月9日,，中國(guó)農(nóng)科院深圳基因組所阮玨團(tuán)隊(duì)在《自然·方法學(xué)》（Nature Methods）上發(fā)表第三代測(cè)序數(shù)據(jù)組裝算法wtdbg,，該算法極大提高三代測(cè)序數(shù)據(jù)的分析效率,，與2019年4月1日發(fā)表在《自然·生物技術(shù)》（Nature Biotechnology）上的Flye算法相比，分析速度提升了5倍,，并首次將測(cè)序數(shù)據(jù)分析時(shí)間降低到少于測(cè)序數(shù)據(jù)產(chǎn)出時(shí)間,。　

　　基因組的測(cè)序與分析　　

　　DNA 測(cè)序技術(shù)成熟于上世紀(jì) 70 年代中后期， 隨后的 20 多年里,，第一代測(cè)序技術(shù)測(cè)出了不少簡(jiǎn)單的小型基因組,。

　　1990年人類基因組計(jì)劃（Human Genome Project ,HGP）的提出，使得基因組測(cè)序技術(shù)逐步由實(shí)驗(yàn)室邁入商業(yè)化階段,，到2004年人類基因組計(jì)劃完成時(shí),，第二代基因組測(cè)序技術(shù)已經(jīng)相對(duì)成熟，并開(kāi)始大規(guī)模的商業(yè)化應(yīng)用,。

　　2013年,，單分子等第三代測(cè)序技術(shù)開(kāi)始出現(xiàn)， 也預(yù)示著測(cè)序技術(shù)將應(yīng)用更廣,，測(cè)序的成本越低,。

　　“如今完成一個(gè)人的全基因組測(cè)序已經(jīng)是件普通實(shí)驗(yàn)室甚至家庭都可以負(fù)擔(dān)起費(fèi)用的‘平常’事情了,。以三代測(cè)序?yàn)槔?，完成個(gè)人全基因組測(cè)序僅需1天時(shí)間、費(fèi)用低于5萬(wàn)元,?！闭撐淖髡摺⒅袊?guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)基因組研究所研究員阮玨告訴記者,。

　　在測(cè)序技術(shù)日新月異的同時(shí),，分析技術(shù)也在共同成長(zhǎng)。以人類基因組組裝為例,，在2014年時(shí),，需要消耗50萬(wàn)個(gè)CPU小時(shí)（一個(gè)CPU核心運(yùn)行一個(gè)小時(shí)），而且只能在超大計(jì)算機(jī)集群上進(jìn)行,。

　　“這種情況下,，同時(shí)對(duì)大量個(gè)體進(jìn)行組裝分析是難以想象的。以全基因組組裝方式對(duì)群體進(jìn)行測(cè)序分析已經(jīng)成為生物醫(yī)學(xué)研究的趨勢(shì),?！比瞰k說(shuō)。

　　關(guān)鍵鑰匙：模糊布魯因圖　

　　Wtdbg算法的開(kāi)發(fā)得益于一個(gè)新的組裝圖理論（Fuzzy Bruijn Graph,，模糊布魯因圖）的提出,。模糊布魯因圖借鑒了德布魯因圖（de Bruijn Graph）的思想，將測(cè)序數(shù)據(jù)切分為固定長(zhǎng)度的短串,，再?gòu)亩檀畼?gòu)建出的圖上恢復(fù)出全基因組序列,。

　　德布魯因圖是一個(gè)展示符號(hào)序列之間重疊關(guān)系的有方向的圖,。上世紀(jì)90年代，Pavel A. Pevzner將德布魯因圖引入了基因組組裝領(lǐng)域,。德布魯因圖以速度優(yōu)勢(shì)常用于第二代測(cè)序數(shù)據(jù)的組裝分析,，但因測(cè)序噪音極高的難題，從未成功應(yīng)用在第三代測(cè)序數(shù)據(jù),。

　　2013年開(kāi)始,，阮玨和李恒在德布魯因圖基礎(chǔ)上，設(shè)計(jì)出一個(gè)新的組裝圖理論——模糊布魯因圖,。模糊布魯因圖重新對(duì)短串進(jìn)行定義,，使之能夠容忍高噪音數(shù)據(jù)，并隨后對(duì)生成組裝圖和恢復(fù)基因組序列做了大量相應(yīng)的重構(gòu),，使其兼具高效率和高容錯(cuò)的優(yōu)點(diǎn),。

　　不斷進(jìn)化的新算法　

　　近年來(lái)，生物信息學(xué)領(lǐng)域的科學(xué)家們致力于改變這種數(shù)據(jù)產(chǎn)出速度遠(yuǎn)高于數(shù)據(jù)分析速度的尷尬狀況,，不斷開(kāi)發(fā)出更高效的組裝分析算法,。

　　中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)基因組研究所在成立之初就布局成立組學(xué)技術(shù)研究中心，致力于將前沿測(cè)序技術(shù)引入農(nóng)業(yè)科學(xué)研究中,。

　　2013年,，阮玨與美國(guó)哈佛醫(yī)學(xué)院的李恒博士合作開(kāi)始了測(cè)序數(shù)據(jù)分析方法如組裝算法的開(kāi)發(fā)，力求推動(dòng)測(cè)序數(shù)據(jù)的分析速度更快,、分析質(zhì)量更高,。

　　2016年，他們的研究結(jié)束,，并將研究成果（wtdbg）對(duì)所有人免費(fèi)開(kāi)放使用,。3年來(lái)，這項(xiàng)成果不僅被幾十篇學(xué)術(shù)論文引用,，還被國(guó)內(nèi)多家基因測(cè)序分析公司作為主要組裝分析工具,，并且在2019年世界大學(xué)生超算競(jìng)賽中作為性能測(cè)試賽題。

　　“我們通過(guò)郵件,、GitHub網(wǎng)站等方式收到大量反饋,，這些反饋不僅幫助我們修訂算法軟件中的漏洞，還帶來(lái)了新的想法和思路,。算法是需要不斷在實(shí)踐中進(jìn)行完善的，因此這種開(kāi)源的做法在業(yè)內(nèi)是很普遍的行為,。只有通過(guò)更多的實(shí)際應(yīng)用,，我們才能夠?qū)⑦@套算法進(jìn)行更有效地調(diào)整和改進(jìn)。實(shí)際上,，目前的算法相比于2016年的,，已經(jīng)是2.0版本,，更高版本的算法于今年年初也開(kāi)始了研究?！比瞰k告訴記者,。