本网讯 近日，中南大学计算机学院王建新教授和李敏教授团队在基因组组装和三维结构分析中取得重要突破，研究成果发表在《Nature Communications》《Genome Research》等NI指数期刊上。

Nanopore序列错误分布和NECAT的组装流程

基因组组装是基因组学的基础工作，在计算上存在很大的挑战。新的三代测序技术凭借长度优势已成为基因组组装的主流技术，但以Nanopore测序技术为代表的三代测序技术在获得超长测序序列的同时也存在测序数据错误分布广泛、存在高错误率的局部区域，并且高错误区域会随着序列长度增加而增加。现有的纠错组装工具往往会裁剪高错误区域，降低了Nanopore序列的完整性以及组装结果的完整性。针对上述问题，中南大学计算机学院生物信息学团队提出了渐进式序列纠错和组装策略，使用纠错后高精度的序列组装基因组骨架，之后使用未纠错序列桥接组装结果，从而进一步提高基因组组装结果的正确性和完整性。在多个Nanopore数据集上的测试结果表明，提出的NECAT方法纠正后的序列平均精度可达95-98%，并保留了序列的完整性，其组装结果的完整性明显高于同类纠错组装软件。使用NECAT组装视网膜母细胞瘤数据，并在组装结果上检测更多的高精度结构变异（SV）位点，进一步证实了NECAT方法的有效性。该研究成果发表在国际权威期刊《Nature Communications》上，中南大学计算机学院博士研究生聂藩为共同第一作者，中南大学计算机学院王建新教授、美国克林姆森大学罗峰教授和中山大学中山眼科中心肖传乐教授、刘奕志教授为共同通讯作者。

三维基因组染色质环(loop)结构与调控因子紧密关联，直接对基因表达进行调控。有研究表明，非编码区域的突变往往会导致loop结构的破坏，从而导致原癌基因被激活。目前，loop结构的识别只能通过高分辨率的三维检测技术来获取，而高分辨率的数据需要通过高测序深度以及更多细胞数量来实现，对于三维结构未知的细胞类型或物种，通过实验技术来得到loop结构仍旧是一项挑战。针对这一挑战，中南大学计算机学院生物信息学团队研发了基于多组学数据集成学习的LoopPredictor方法，采用H3K27ac组蛋白以及YY1因子作为靶向基因的HiChIP数据来训练模型，通过集成不同细胞类型的loop数据集，以及多组学（基因组、转录组、表观遗传组等）特征数据，LoopPredictor能够有效地识别具有细胞特异性的增强子介导的loop结构。与HiChIP实验生成的H3K27ac-HiChIP数据相比，LoopPredictor能够识别更多的具有调控功能的loop。此外，通过将小鼠的多组学特征输入到基于人类数据训练的模型中，预测出的增强子介导的loop结构高度保守，进一步表明LoopPredictor具有较高的跨物种预测能力。LoopPredictor的提出对进一步解释染色质相互作用对基因表达的影响，以及致病基因的作用机制有着重要意义。该研究成果发表在国际权威期刊《Genome Research》上，中南大学计算机学院博士研究生唐丽为第一作者，中南大学计算机学院李敏教授和美国贝勒医学院James F. Martin教授为共同通讯作者。

LoopPredictor的模型框架图以及跨物种、跨细胞系预测的流程图