上海柏辰生物科技有限公司
 

新闻中心

NEWS

首页 >> 新闻中心 >> 三代测序纠错全景解析：用算法还原真实的基因序列

三代测序纠错全景解析：用算法还原真实的基因序列

来源: | 作者:/ | 发布时间: 2025-07-31 | 29 次浏览 | 分享到:

01

三代测序的技术价值与纠错挑战

Values and Challenges

技术革新带来的颠覆性潜力

第三代测序(Third-Generation Sequencing, TGS)以超长读长(1 kb – 2 Mb)彻底重塑了基因组学研究的多个核心环节：

🔹跨越重复区域：解析端粒、着丝粒、大型结构变异等以往难以解析的复杂区域；

🔹全长转录本测定：直接获得完整的mRNA isoform结构，跳过拼接假设；

🔹实时病原检测：Oxford Nanopore可实现现场测序，广泛应用于疫情响应与临床快速诊断。

平台差异与错误机制

尽管TGS具备革命性的结构解析能力，但原始测序错误率远高于二代技术，纠错成为流程中不可或缺的一环。

图片

🔹Nanopore最新R10.4芯片 + Kit12试剂可将Indel错误率降低近40%(Nature, 2022)；

🔹HiFi数据通常不需要传统纠错流程，可直接用于组装与变异检测，但仍可通过工具如DeepConsensus进一步提升质量。

02

纠错策略的三大主流路径

Error correction method

纠错方法大致可分为以下三类，每类针对不同的数据特征与分析目标。

自我纠错（Self-correction）

原理：利用长读段之间的冗余重叠区域，通过构建overlap consensus实现错误校正，适用于高深度测序场景（>30×）且无短读支持的项目。

图片

混合纠错（Hybrid correction）

原理：借助Illumina短读段的高准确度，从两个方向修正长读错误。

🔹k-mer图法（如LoRDEC）：构建短读的de Bruijn图，对长读进行路径校正；

🔹比对共识法（如Proovread）：直接将短读比对至长读并提取高置信区段。

图片

深度学习纠错（Deep learning-based）

原理：基于深度神经网络模型直接学习碱基误差特征，实现端到端的误差校正或碱基识别优化，已成为Nanopore和PacBio官方支持方向。

图片

注意：Medaka不直接读取fast5原始信号。原始信号模型建议使用Bonito或Dorado。

03

纠错流程的分层设计

Process design

读段级纠错（Read-Level）

目标：提升原始读段质量

Nanopore标准流程：

图片

组装后抛光（Assembly Polishing）

目标：修正系统性错误

Nanopore 流程：

图片

PacBio HiFi 流程：

图片

04

纠错技术前景

Technical outlook

🔹算法融合：图神经网络（如2023年MetaFlye引入的模型）有望整合比对、图构建与深度学习；

🔹原始信号级纠错：直接对原始电流/脉冲信号建模，而非仅比对碱基；

🔹平台无关化：设计适配不同平台（PacBio HiFi vs ONT Q20+）的通用纠错模型。


图片

扫描二维码关注我们

数字PCR平台|多重细胞因子检测平台|纳米孔测序平台