项目文章丨长麦穗鱼染色体水平基因组的组装与注释

2025年4月，中国水产科学研究院淡水渔业研究中心联合南京农业大学无锡水产学院破译了Pseudorasbora elongata染色体级别基因组，在科学期刊Scientific Data上发表了题为“A chromosome-level genome assembly and annotation of the Pseudorasbora elongata (Cypriniformes: Cyprinidae)”的研究论文。万摩科技承担了本研究的测序和分析相关工作。

图1. 长麦穗鱼的形态特征和采用地点（圆点是发现地点，红星是样本地点）

1. 基因组测序与组装

研究人员从安徽省秋浦河池州段采集了长麦穗鱼样本，包括多种组织，如肌肉、肝脏、眼睛等，并迅速在液氮中冷冻保存，以确保后续实验的准确性。采用多种测序技术，包括BGISEQ、PacBio HiFi和Oxford Nanopore Technologies，获得测序数据，利用Hifiasm v0.19.6和purge_haplotigs算法进行初步组装，得到了一个大小为1419.31Mb的基因组，其中最大contig为52.26Mb，N50长度为27.95Mb。为了将初步组装的contigs锚定到染色体上，采用Hi-C技术，利用HiCUP和3D-DNA等软件，将contigs成功挂载到25条染色体上，挂载率达到99.13%。后续进一步使用TGS-GapCloser利用ont超长数据与已经组装的contig之间的覆盖关系对contig之间空隙进行补洞，延长contigs。最终得到了大小为1.4Gb的染色体水平基因组，contig N50为34.4Mb，scaffold N50为53.7Mb。

根据端粒区域的碱基重复序列(特征序列:TTAGGG/CCCTAA)，在全基因组上进行搜索，统计在染色体两端各50kb区域内且至少有四次重复的特征序列个数。最终，在25条染色体上共注释了42个端粒，并在1条染色体的两端检测到端粒。

2.基因组注释

对于基因组注释，该研究采用从头预测和同源预测相结合的方法对蛋白质编码基因进行预测。从头预测使用Augustus v3.3.2和Genscan 软件，基于长麦穗鱼的分类信息选择合适的物种模型；同源预测则从NCBI数据库中获取多个物种的蛋白质序列，通过tblastn比对到长麦穗鱼基因组，再利用miniprot v0.11-r23和liftoff v1.6.3软件进行准确拼接。最终，共鉴定出24,730个基因。使用 BUSCO v5.7.154和Compleasm v0.2.6评估基因组组装的完整性，发现大约99.15%的核心保守基因是完整的。

为了对预测的基因进行功能注释，研究人员采用多个数据库，包括NCBI非冗余蛋白（NR）、INTERPRO、Swiss-Prot 等。结果显示，99.64%（24,642个）的预测基因获得了功能注释。此外，还对非编码RNA进行预测和注释，共识别出1,227个miRNA、22,040个tRNA、14,628个rRNA和1,368个snRNA。

综合运用同源搜索和从头预测两种方法对长麦穗鱼基因组中的重复序列进行全面鉴定。结果显示，60.84%的基因组被注释为重复元件，其中DNA转座子、LINEs、SINEs和LTRs分别占基因组的35%、4.59%、0.62% 和15.31%。

图3.基因集元件长度累计分布统计图(与近缘物种的基因元件比较图)

3.基因组特征分析

作者对长麦穗鱼基因组的结构特征进行分析，包括GC含量、基因密度、重复序列密度等。结果表明，不同染色体区域在这些特征上存在差异。例如，某些染色体区域的GC含量较高，基因密度也相对较大，而部分区域则富含特定类型的重复序列。

通过与麦穗鱼进行基因组共线性分析，评估长麦穗鱼基因组组装的准确性。结果显示，两者基因组存在高度共线性，进一步验证了长麦穗鱼基因组组装的准确性。

图5. 长麦穗鱼和麦穗鱼染色体水平基因组的共线性