编辑推荐：
为解决病毒准种全长一致性序列组装难题，青岛大学等研究人员开展了名为 “Accurate assembly of full?length consensus for viral quasispecies” 的研究。他们开发 FC-Virus 策略，实验表明其能构建单一准确的全长一致性序列，有助于深入研究病毒遗传多样性等，为病毒研究提供新方向。
在病毒的微观世界里，病毒就像一群 “善变的精灵”。它们在宿主细胞内快速复制遗传物质，导致突变率极高。不同的突变株组成了病毒准种，这些突变株的遗传差异会影响病毒的毒力、传播能力和耐药性。重建病毒准种的全长一致性序列，对于了解病毒的遗传变异、致病机制以及开发疫苗等至关重要。然而，目前的基因组组装工具在面对病毒基因组时却困难重重。由于测序偏差、错误，菌株丰度差异，以及重复片段等问题，大多数组装器只能生成碎片化的重叠群（contigs），无法获得完整的全长一致性序列，这就像拼图时无法拼出完整图案一样，严重阻碍了对病毒的深入研究。
为了攻克这一难题，青岛大学计算机科学与技术学院的贾田、高子玉、李明浩，北京交通大学软件工程学院的包额尔古德，以及青岛大学的赵金等人开展了相关研究。他们开发了一种名为 FC-Virus 的从头基因组组装策略，专门用于高度多样化的病毒群体。研究结果表明，FC-Virus 能够构建出单一、准确的全长一致性序列，而其他组装器只能产生碎片化的 contigs。这一成果发表在《BMC Bioinformatics》上，为病毒基因组研究开辟了新的道路。
研究人员为开展此项研究，主要用到了以下关键技术方法：首先是 kmers提取与分析技术，通过计算 kmers的出现频率并绘制频率分布图，识别出同源 kmers；其次是基于同源 kmers的序列组装技术，将含有至少两个同源 kmers的读段（reads）视为同源 reads，进而拼接成一致性序列；最后是一致性序列优化技术，利用贪心策略对初步生成的一致性序列进行扩展和优化。
下面来看具体的研究结果：
- 评估片段化程度：研究人员对比了不同组装器在多个模拟数据集上组装出的 contigs 长度分布。结果发现，FC-Virus 始终能产生单一长 contig，长度与病毒基因组接近；而其他组装器则生成大量短 contig。这是因为现有组装算法基于 reads 或 kmers重叠构建图，病毒株基因组差异使图结构复杂，难以提取有效路径，而 FC-Virus 将菌株变异整合到组装和优化过程中，在多菌株共享区域构建出与大多数菌株匹配的一致性序列。
- 通用标准评估：利用 QUAST 工具评估各算法组装的 contigs 与参考病毒株的匹配程度。FC-Virus 的每 100kbp 错误数比以单个菌株基因组作为一致性的参考值显著更低，说明其生成的一致性序列作为参考基因组更准确。传统组装算法中，除 SPAdes 外，其他算法在病毒基因组组装上表现不佳；菌株水平组装算法虽在某些指标上表现较好，但存在重复率高和错误率高的问题。
- reads 重映射率评估：将 reads 比对到各算法组装的 contigs 上，计算两端匹配的 reads 百分比。FC-Virus、VG-Flow 和 Vstrains 在 reads 重映射率上表现出色，FC-Virus 仅用一个 contig 就达到甚至超越其他算法，表明其一致性序列能有效覆盖几乎所有 reads，可作为良好的参考基因组。
- 测序深度影响研究：研究人员在 11 个测序深度不同的 COVID-19 数据集上评估 FC-Virus 和其他算法。结果显示，除部分算法外，测序深度对多数算法性能影响较小。FC-Virus 在各项评估标准上表现稳定，优于部分算法，且研究发现低测序错误率下，测序深度对组装器性能影响不大。
- CPU 时间和内存需求评估：从理论上分析，FC-Virus 的时间和空间复杂度均为 O (m)（m 为 reads 数量）。实际评估中，在 POLIO 和 HIV-LABMIX 数据集上，FC-Virus 所需 CPU 时间最短；在其他数据集上，其 CPU 时间仅次于 SOAPdenovo2。在内存使用方面，FC-Virus 表现也很出色，要么最优，要么仅次于 IDBA。
研究结论和讨论部分指出，FC-Virus 是一种高效的基因组组装算法，首次引入同源 kmers概念并提出识别策略。通过以同源 kmers为锚点合并 reads，生成的一致性序列可作为参考基因组，有助于更详细地分析数据集中菌株的组成和分布。与其他组装器相比，FC-Virus 在多数评估指标上表现更优，能够生成单一一致性序列，达到其他组装器多个 contigs 的组装效果。未来，研究人员计划利用 FC-Virus 生成的一致性序列作为参考基因组，进一步组装单个菌株基因组，这将为病毒研究带来更多可能，有望推动病毒学领域在病毒进化、传播机制以及精准治疗等方面取得新的突破。
