Visão geral
A montagem do genoma é o processo computacional de reconstrução de sequências completas do genoma a partir de pequenos fragmentos de DNA produzidos por plataformas de sequenciamento de alto rendimento. Como as máquinas de sequenciamento leem apenas centenas de pares de bases por vez, os bioinformáticos devem juntar milhões ou bilhões dessas leituras – como resolver um enorme quebra-cabeça. A precisão de um genoma montado afeta diretamente todas as análises posteriores, desde a previsão genética até a genômica comparativa. Os montadores modernos lidam com as complexidades de regiões repetitivas, erros de sequenciamento e profundidades variadas de cobertura usando algoritmos sofisticados baseados em gráficos.
Conceitos-chave
Existem duas estratégias principais para a montagem do genoma. Montagem de novo constrói um genoma sem qualquer referência prévia, contando com abordagens de consenso de layout de sobreposição (OLC) ou de gráfico de Bruijn para mesclar leituras em sequências contíguas chamadas contigs. Montagem guiada por referência mapeia leituras para um genoma de referência conhecido e, em seguida, monta as porções não mapeadas, o que é particularmente útil para projetos de ressequenciamento. As principais métricas de qualidade incluem N50 (o comprimento contig no qual 50% da montagem está contida) e o tamanho total da montagem. A validação da montagem geralmente envolve a verificação de sequências conhecidas ou o uso de tecnologias de leitura longa para fechar lacunas.
Aplicativos
A montagem do genoma é fundamental para quase todas as aplicações genômicas. Permite a descoberta de novos genes, a identificação de variantes estruturais e a caracterização de elementos reguladores não codificantes. Na medicina, os genomas montados a partir de patógenos permitem o rápido rastreamento de surtos e o perfil de resistência a antibióticos. A genómica agrícola depende de montagens de alta qualidade para mapear características de importância económica. Projetos modernos frequentemente combinam dados de sequenciamento de última geração com leituras longas e mapeamento óptico para produzir montagens em nível de cromossomo, com base em métodos clássicos de sequenciamento de DNA. A montagem também sustenta estudos funcionais, como o design de alvos CRISPR-Cas9, em que as previsões fora do alvo dependem de uma referência precisa.
Protocolo Prático
Para a montagem de novo de um genoma bacteriano baseada em Illumina, comece com o corte de qualidade: fastp -i R1.fastq -I R2.fastq -o trimmed_R1.fastq -O trimmed_R2.fastq -q 20 -l 50. Monte com SPAdes usando vários tamanhos k-mer: spades.py -1 trimmed_R1.fastq -2 trimmed_R2.fastq -o spades_output -k 21,33,55,77 --careful. O sinalizador --careful reduz incompatibilidades e indels executando MismatchCorrector. A saída inclui contigs.fasta e scaffolds.fasta. Para montagem de leitura longa com dados Oxford Nanopore, use Flye: flye --nano-raw reads.fastq -o flye_out -t 8 -g 5m, onde -g fornece o tamanho estimado do genoma. Para montagem híbrida combinando leituras curtas e longas, use Unicycler: unicycler -1 short_R1.fastq -2 short_R2.fastq -l long_reads.fastq -o hybrid_assembly. Avalie a qualidade da montagem com QUAST: quast.py contigs.fasta -r reference.fasta -g genes.gff -o quast_output. As principais métricas incluem N50 (comprimento do contig onde 50% da montagem é coberta), tamanho total da montagem, número de contigs, fração do genoma (fração de referência coberta) e o número de montagens incorretas. Para um genoma bacteriano completo, aponte para N50 igual ao comprimento do cromossomo e conteúdo de GC correspondente à referência. Verifique a integridade com BUSCO em relação à linhagem apropriada: busco -i contigs.fasta -l bacteria_odb10 -o busco_out -m genoma. Faça o polimento de montagens com Pilon para corrigir erros usando alinhamentos de leitura: pilon --genome contigs.fasta --frags alinhado.bam --output polido. Para andaimes em nível de cromossomo, use dados Hi-C com SALSA2 ou 3D-DNA para ordenar e orientar contigs em pseudomoléculas em escala cromossômica.
