上海柏辰生物科技有限公司
 

技术服务部

Technical Service Department

首页 >> 技术服务部 >> 服务平台 >> 生信篇 | Unicycler：混合测序时代的细菌基因组组装利器

生信篇 | Unicycler：混合测序时代的细菌基因组组装利器

Unicycler 是一款专为细菌基因组设计的混合组装工具，由 Ryan Wick 博士团队开发。它巧妙结合了二代测序中短读长（Illumina）的高准确性与三代测序中长读长（PacBio/Oxford Nanopore）的跨重复优势，特别适用于高重复、高杂合或复杂结构的微生物基因组组装。同时，它也是一款可以独立完成二代测序基因组组装、三代测序基因组组装以及二三代测序数据混合组装的优秀生信软件，下文将着重介绍二三代测序数据混合组装。

相较于传统组装工具（如SPAdes、IDBA-UD），Unicycler 在解决细菌基因组中重复序列和质粒环状结构时表现卓越，尤其适合单菌分离样本或宏基因组分箱后的精细化组装。

1

图片

软件功能亮点

1、混合组装引擎

  • 短读长纠错：利用Illumina数据校正长读长的测序错误，提升组装准确性。

  • 长读长桥接：通过PacBio/Nanopore长读长跨越重复区域，连接短读长无法覆盖的断裂区域。

2、自动化流程整合

  • 内置Bowtie2比对与Pilon纠错，支持从原始数据到最终环化基因组的全流程自动化。

3、环状结构识别

  • 自动检测染色体和质粒的环状结构，生成完整的闭环序列（若数据支持）。

4、灵活输入支持

  • 兼容Illumina双端测序、PacBio CLR/CCS及Nanopore数据，适应不同实验设计需求。

2

图片

算法核心解析

Unicycler 的算法设计融合了De Bruijn图与字符串图（String Graph）的优势，分三阶段实现高效组装：

1、短读长纠错与初步组装

  • De Bruijn图构建：将短读长拆分为k-mer，构建图结构，通过寻找欧拉路径生成初始Contig。

  • 错误剔除：基于k-mer频率和一致性过滤低覆盖分支，避免测序噪声干扰。

2、长读长进行的图优化

  • 长读长比对与纠错：将长读长比对至初始Contig，校正其测序错误并填充缺口。

  • 字符串图构建：基于长读长的重叠关系构建字符串图，解决重复区域的路径歧义。

3、路径选择与环化处理

  • 启发式搜索最优路径：结合读长覆盖度和拓扑结构选择最可能的路径，生成线性或环状Scaffold。

  • 自动环化检测：通过比对末端重叠识别环状结构，输出完整染色体/质粒序列。

3

图片

软件安装

Github官网上有提供相应源码，可直接下载安装，下面提供一种安装方案，可以安装最新版的Unicycler。

图片

4

图片

实战示例

案例背景：对一株耐药性的大肠杆菌进行基因组组装，数据源包含illumina双端测序（150bp）数据和Nanopore长读长（N50=15kb）数据。

1、运行命令

图片

⭕ -1/-2：illumina 双端数据

⭕ - l：长读长数据

⭕ - o：输出目录

2、输出结果文件

⭕ assembly.fasta: 最终组装序列

⭕ assembly.gfa: 组装图文件，可用Bandage软件来可视化

⭕ unicycler.log：详细日志文件，可用于调试与性能评估

5

图片

结果解读与优化策略

1、评估指标

  • Contig N50：若N50接近基因组预期大小（如大肠杆菌~4.6Mb），表明组装连贯性高。

  • 环化比例：理想情况下，主染色体和质粒应标记为环状。

  • BUSCO完整性：使用细菌通用单拷贝基因集评估基因区域的完整性（目标>95%）。

2、常见问题与对策

  • 碎片化Contig：增加长读长数据中的覆盖度或调整--min_kmer_coverage参数。

  • 环化失败：检查长读长是否跨越重复区域，或手动使用Circlator等工具进行补环。

  • 嵌合体污染：结合参考基因组比对或基于覆盖度差异筛选异常区域进行后续分析。

6

图片

结语

Unicycler 凭借其混合算法与自动化设计，已成为微生物基因组研究的标杆工具。无论是临床病原体溯源还是环境微生物挖掘，它都能提供高完整度、低错误率的组装结果。下一期我们将带来Unicycler单独进行二代测序数据或者三代测序数据组装的详细介绍，敬请期待！