2023年9月29日，哈尔滨工业大学王亚东团队联合中国农科院韩天富团队在bioRxiv发表了题为“A telomere-to-telomere genome assembly of Zhonghuang 13, a widely-grown soybean variety from the original center of Glycine max”的研究文章，该文于11月3日正式见刊《The Crop Journal》。
主要结果
相比之前发表的中黄13基因组，ZH13-T2T填补了全部393个空白区域。拼接产生的基因组长度为1,015,024,879 bp，N50长度为52,033,905 bp。
20条染色体中的全部40个端粒区域均成功拼接完成，端粒中位数长度达到8449 bp；BUSCO指标达到99.8%，碱基质量评分（Merqury质量评分）达到46.441。
PacBio Hifi和ONT超长测序数据在全基因组上的覆盖度均匀且符合期望值，未发现覆盖度异常区域，显示整个基因组具有较高的拼接质量。
ZH13-T2T基因组与原ZH13比较：共有421个长度超过5kb的显著序列差异区域（总长16.3 Mbp）及112个结构变异，包括30个倒置变异、15个易位变异、67个序列重复变异。
ZH13-T2T基因组与南京农业大学最新发表的Williams 82 T2T基因组（Wm82-NJAU）进行比较：发现了162个长度超过5 kb的显著序列差异区域（总长23.02 Mb）和30个结构变异（包括16个倒位变异、7个易位变异和7个序列重复变异）。
ZH13-T2T重复序列注释，发现了大量具有高置信度的新编码基因和重复元件（57.07%），其中反转录转座子占38.16%（包括0.12%的SINEs、1.58%的LINEs和36.47%的LTR元件），而DNA转座子占6.72%。串联重复序列占大豆基因组的2.63%（26.65 Mb），明显超过了在中黄13参考基因组序列中观察到的1.03%（10.54Mb）。
ZH13-T2T基因结构注释，共获得50,564个高置信度蛋白质编码基因。与ZH13-2019相比，在gap区域内发现了707个新基因。在此前的gap区域中，在CM010421. C1染色体的14.84-17.73Mb区域内观察到新发现的基因数量最多，共135个新基因。此外，在这些gap区域内确定了42,668个TEs，300个GmCent-1元素和586个GmCent-2元素。RNA-seq分析显示，在38个gap区域中的295个基因中有表达。
染色体着丝粒鉴定：通过串联重复查找工具（TRF）鉴定ZH13-T2T基因组中可能构成着丝粒的重复单体，发现长度为91 bp和92 bp的大量串联重复序列，与着丝粒区域TE的间隙相吻合。20个着丝粒的平均长度为2.40 Mb，在CM010410.C1染色体上观察到的最长着丝粒（4.42 Mb） 和在CM010421.C1染色体上观察到最短的着丝粒（0.66 Mb）。
着丝粒长度与染色体大小之间没有显著相关性。着丝粒的相对位置在不同染色体之间存在差异，最小L/S比（长臂长/短臂长）为1.02（CM010415.C1），最大L/S比为2.95（CM010423.C1）。在ZH13-T2T的着丝粒区共鉴定出8个基因，主要富集染色质DNA结合、mRNA顺式剪接、组蛋白结合、基底转录因子、剪接体和嘧啶代谢。
着丝粒序列由96.0%的着丝粒卫星DNA（CentC）、着丝粒反转录转座子（CRM）和其他非CRM Gypsy反转录转座子组成。这些成分的比例在不同的着丝粒中差异很大，GmCent-1从0.0%到73.3%，GmCent-2从0.0%到90.4%，CRM从0.0%到2.2%，其他非CRM Gypsy反转座子从7.3%到68.2%不等。几乎所有的着丝粒都富含 CentC。
主要方法
数据策略
- PacBio Hifi测序（数据量：96.89 Gbp）
- ONT超长测序（数据量：96.63 Gbp）
- Illumina全基因组测序（数据量：55.40Gbp）
- Illumina Hi-C测序（数据量：106.4 Gbp）
工具
Hifiasm、NextDenovo和Canu的组装：
-
Hifiasm的contigs作为骨架（并比对到ZH13-2019版本进行排布定向），因为其准确性和连续性。
-
NextDenovo的contigs用于填充未解决的区域，而Canu的contigs用于填充gap、LCR校正和端粒细化。
-
另外，还做了很多组装微调的工作：通过监测读长覆盖度（高覆盖区HCRs和低覆盖区LCRs）来防止错误组装，并使用局部读长覆盖度进行质量控制。通过收集和对齐锚定的reads，来推断长重复序列。
端粒的鉴定：
-
使用7-mer重复序列（CCCTAAA / TTTAGGG）来识别初步组装中的端粒。
-
使用7-mer模式搜索由NextDenovo、Canu和Hifiasm（仅使用hifi reads）产生的contigs，并找到了其中的三个缺失。
-
使用李恒大神的seqtk确定了在ZH13-T2T基因组中端粒的精确位置，命令
seqtk telo -s 1 -m CCCTAAA ref.fa。
着丝粒的鉴定：
- 利用两个高拷贝的卫星重复亚家族CentGm-1和CentGm-2（它们专属于中心区域），确定大致位置。然后通过IGV观察到TE注释缺失的区域与91/92bp长序列集中的区域之间存在重叠，从而确定中心粒的位置。
结构变异鉴定：
- minimap2+SyRI
问题来了
今年8月底，南农宋庆鑫团队在MP上发表了Williams 82的T2T基因组。10月6号，广西大学王海峰和与东北农大陈庆山团队在MP发表了中黄13的T2T基因组和表观遗传修饰图谱。
本研究在9月29日投稿预印版，报道称“首个无间隙的中国大豆品种T2T基因组”。这就有点意思了，你认为哪个是首个大豆T2T？哪个是首个中国大豆T2T呢？
撞车的事情时有发生，竞争如此激烈。不过，纯基因组组装发中科院一区，还要什么自行车。
更多信息请关注微信公众号：生物信息与育种
