《Animals》：Draft Genome Assembly and Annotation of a Male Mezayen Dromedary Camel of the Majaheem Type (Camelus dromedarius)
编辑推荐：
本研究对在中东具有重要文化和经济价值的梅扎延（Mezayen）阿拉伯单峰驼进行了基因组学探索。尽管这些骆驼具有重要意义，但代表它们的基因组信息仍然有限。为填补这一空白，研究人员利用互补测序技术，首次生成并表征了一头雄性梅扎延骆驼（马加希姆型，Majaheem
本研究对在中东具有重要文化和经济价值的梅扎延（Mezayen）阿拉伯单峰驼进行了基因组学探索。尽管这些骆驼具有重要意义，但代表它们的基因组信息仍然有限。为填补这一空白，研究人员利用互补测序技术，首次生成并表征了一头雄性梅扎延骆驼（马加希姆型，Majaheem type）的草图支架级（scaffold-level）基因组组装。所获得的高质量基因组组装和基因注释为研究遗传多样性以及经济和文化重要性状的遗传提供了重要的基因组资源。该资源可支持未来关于亲子鉴定、遗传多样性、保护和选择育种的研究，并为梅扎延及阿拉伯单峰驼更广泛的群体水平基因组研究奠定了基础。
论文解读文章
一、研究背景与问题
阿拉伯单峰驼（Camelus dromedarius），特别是梅扎延（Mezayen）传统中的展示骆驼，在中东地区具有显著的文化和社会经济重要性。梅扎延是一种骆驼选美比赛传统，突显了这些动物非凡的美学品质。然而，尽管这些展示骆驼很重要，但其遗传特征却鲜有探索。目前，缺乏针对梅扎延阿拉伯单峰驼的参考基因组组装，这造成了理解骆驼科动物遗传学的关键空白。这一空白对选择性育种的进步以及这一具有文化和经济价值物种的保护构成了重大障碍。
二、研究内容与结论
为弥补这一空白，研究人员对一头雄性梅扎延骆驼（马加希姆型，Majaheem type）进行了测序、组装和注释，生成了首个草图支架级基因组组装（Mezayen_CamDro_v1）。该研究采用多平台基因组组装策略，结合了PacBio长读长测序、Illumina短读长校正和10x Genomics连锁读长支架构建技术，获得了高质量的基因组。BUSCO分析证实，该基因组组装包含97.7%预期的完整直系同源基因，表明其具有高度的基因组完整性。最终基因组大小为2.01 Gb，支架N50为53.40 Mb，包含24,899个非冗余蛋白编码基因。该组装的contig N50在本研究评估的五个单峰驼组装中最高，并与其中最高的整体BUSCO完整性持平，显著增强了这一重要动物的基因组资源。研究结果为这些备受推崇的骆驼的未来保护和标记辅助选择工作提供了基础基因组资源。需要注意的是，该注释是在没有RNA-seq证据的情况下生成的；整合转录组数据是未来工作中完善基因模型的重要方向。
三、关键技术方法
研究人员采用了整合多平台的基因组组装策略：
- 1.
PacBio长读长测序：用于初始de novo组装，提供长片段信息以跨越重复区域。
- 2.
Illumina短读长校正：使用Pilon软件对PacBio组装的初步草稿进行碱基水平的错误校正。
- 3.
10x Genomics连锁读长支架构建：利用Scaff10X软件将校正后的contig连接成更大的支架（scaffold）。
- 4.
基因组注释：采用混合策略，结合基于同源性的基因转移（Liftoff，使用mCamDro1.pat作为参考）和基于蛋白质的从头预测（BRAKER3，使用OrthoDB Vertebrata蛋白质数据集）。
- 5.
质量评估：使用BUSCO评估基因完整性，Merqury评估一致性质量值（QV），并通过与染色体级别参考基因组mCamDro1.pat的全基因组共线性分析验证结构完整性。样本来自沙特阿拉伯Wadi Aldwaser一处骆驼养殖场的一头名为Hakaman的雄性梅扎延展示骆驼（马加希姆型）。
四、研究结果
3.1. 草稿基因组的组装与质量评估
通过整合Illumina、10x Genomics和PacBio三种测序平台的数据，研究人员构建了高质量草图支架级基因组组装Mezayen_CamDro_v1。其总序列长度为2.01 Gb，contig N50为40.04 Mb，scaffold N50为53.40 Mb。该组装在本研究评估的所有五个单峰驼组装中实现了最高的contig N50。BUSCO分析显示其完整性达97.7%（97.3%单拷贝，0.4%重复）。Merqury分析得出共识质量值（QV）为36.63，k-mer完整性为95.46%。全基因组共线性分析显示，该组装与染色体级别参考基因组mCamDro1.pat高度保守，98.63%的组装序列能比对到参考基因组。
3.2. 基因组注释
通过整合Liftoff的同源基因转移和BRAKER3的从头预测，经EvidenceModeler整合后，得到24,899个非冗余蛋白编码基因模型。功能注释显示，78.12%的模型在UniProtKB/Swiss-Prot或eggNOG数据库中至少有一个注释。独立评估工具OMArk将预测蛋白质组置于偶蹄目（Artiodactyla）谱系内，并检测到95.11%的保守直系同源群。
3.3. 重复元件与简单重复序列含量
重复元件注释显示，26.30%的基因组由重复序列组成，其中逆转录转座子占主导地位（22.49%），尤其是LINE L1/CIN4元件。研究人员共鉴定出837,966个简单重复序列（SSR），密度为417.4个SSR/Mb。单核苷酸重复是最丰富的SSR类别（63.8%），其次是二核苷酸重复（25.7%）。在二核苷酸基序中，AC和TG最为常见。
五、讨论与结论
讨论部分总结：该研究提供的Mezayen_CamDro_v1基因组资源为未来表征马加希姆型表型性状的遗传基础提供了框架。虽然该组装本身并未解决这些性状，但它使得群体水平的关联研究和重测序成为可能。研究的局限性包括：该组装为支架级别而非染色体级别，未来需结合Hi-C或光学图谱数据提升至染色体水平；注释未使用RNA-seq证据，限制了异构体和外显子-内含子边界的分辨率；且该组装来源于单个获奖雄性个体，可能无法代表整个马加希姆型的等位基因多样性。尽管如此，该资源仍是将梅扎延骆驼丰富的表型传统与现代基因组辅助选择计划联系起来的基础性基因组资源。
研究结论部分翻译：本研究首次呈现了一头梅扎延单峰驼（Camelus dromedarius，马加希姆型）的草图支架级基因组组装，命名为Mezayen_CamDro_v1。通过整合PacBio长读长测序、Illumina短读长校正和10x Genomics连锁读长支架构建，研究人员生成了一个2.01 Gb的组装，其contig N50为40.04 Mb，BUSCO完整性得分为97.7%，尽管其处于支架级而非染色体级组装状态，但在本研究所评估的五个单峰驼组装中实现了最高的contig N50。基因组注释产生了24,899个非冗余蛋白编码基因，在UniProt/SwissProt、基因本体论（Gene Ontology）和KEGG数据库中具有高功能覆盖率，同时还包括对重复元件和简单重复序列的全面表征，为未来的多态性验证以及可能在品种溯源和标记辅助选择中的应用提供了一个候选SSR位点目录。
