[发明专利]一种基于三代PacBio和Hi-C技术组装和注释贵德黑裘皮羊基因组的方法

权利要求书

1.一种基于三代PacBio和Hi-C技术组装和注释贵德黑裘皮羊基因组的方法，其特征在于，所述的方法包括如下步骤：

(1)采集贵德黑裘皮羊血液和组织样本：分别提取贵德黑裘皮羊血液和组织样本的DNA和RNA；

(2)构建基因组文库和转录组文库：针对步骤(1)提取得到的DNA片段分别构建二代DNA文库、三代DNA文库和Hi-C文库，获得贵德黑裘皮羊基因组文库；针对步骤(1)提取得到的RNA片段构建二代转录组文库和三代全长转录组文库，获得贵德黑裘皮羊转录组文库；并对构建所得的文库进行过滤；

(3)采用步骤(2)获得的二代DNA文库评估获得贵德黑裘皮羊的基因组大小和杂合率；

(4)基因组组装、纠错和评估：利用步骤(3)获得的贵德黑裘皮羊的基因组大小和杂合率结果，选择mecat2软件对步骤(2)所述的过滤后的三代DNA文库进行组装得到原始组装结果；使用smrtlink 7.0的纠错软件arrow基于步骤(2)得到的三代全长转录组文库对原始组装结果进行纠错，使用pilon软件基于步骤(2)得到的二代转录组文库进行再纠错；

(5)Hi-C辅助组装和评估：对步骤(4)进行再纠错后得到的组装结果进行Hi-C辅助组装，构建互作图谱，进行可视化纠错，得到贵德黑裘皮羊基因组；

(6)基因组注释和评估：重复序列的识别；非编码RNA的预测；编码基因结构预测和功能注释：使用De novo从头预测、homolog同源预测和转录组证据支持3种方法进行编码基因的结构预测，参数设置为默认参数；使用MAKER软件，将上述3种方法预测得到的基因集整合成一个基因集；最后借助于蛋白数据库InterPro、GO、KEGG_ALL、KEGG_KO、SwissProt、TrEMBL和NR对基因集中的蛋白进行功能注释。

2.如权利要求1所述的方法，其特征在于，步骤(4)所述的原始组装的mecat2软件参数设置为：MIN_READ_LENGTH＝10000,CNS_OPTIONS＝-r 0.6-a 1000-c 4-l 2000，ASM_OVLP_OPTIONS＝-n 100-z 10-b 2000-e 0.5-j 1-u 0-a 400。

3.如权利要求1所述的方法，其特征在于，步骤(4)所述的纠错软件arrow的版本为v2.2.2，参数设置为默认参数；pilon软件的版本为v1.22，参数设置为默认参数。

4.如权利要求1所述的方法，其特征在于，步骤(5)所述的Hi-C辅助组装是指使用ALLHiC软件将纠错后的组装结果进行组装；利用Juicer软件构建互作图谱，使用JucieBox软件对其进行可视化纠错。

5.如权利要求1所述的方法，其特征在于，步骤(5)所述的Hi-C辅助组装所需要的序列是将步骤(4)质控得到的clean data使用BWA软件进行比对，使用Lachesis软件将离酶切位点500bp以外的序列去除，得到的数据进行Hi-C辅助组装。

6.如权利要求1所述的方法，其特征在于，步骤(6)所述的重复序列的识别是结合基于RepBase库的同源预测方法、基于自身序列比对及重复序列特征的De novo从头预测方法检测重复序列；还利用了TRF软件寻找基因组中串联重复序列；非编码RNA的预测：非编码RNA的注释过程中，根据tRNA的结构特征，利用tRNA scan-SE软件来寻找基因组中的tRNA序列。

7.如权利要求1所述的方法，其特征在于，步骤(1)所述的DNA提取自贵德黑裘皮羊血液和肝脏组织；RNA提取自贵德黑裘皮羊组织，所述的贵德黑裘皮羊组织是指心脏、肝脏、肺脏、脾脏、瘤胃和肌肉。