Nature Plants | 基因组所开发多倍体基因组分型组装工具

10月16日，中国农科院基因组所（大鹏湾实验室）潘玮华团队、武志强团队联合农业农村部农业基因数据分析重点实验室、太原理工大学、西南大学、华中农业大学、福建省农业科学院等单位，在《自然·植物（Nature Plants）》发表题为"Assembly-graph-assisted haplotype-resolved scaffolding of polyploid genomes"的研究论文。该研究开发了一种面向复杂多倍体基因组的单倍型解析染色体级挂载算法GPhase，采用了融合组装图（assembly graph）与染色质互作捕获数据（3C，包括 Hi-C、Pore-C 和 Omni-C 等）的新策略，有效解决了传统方法在多倍体基因组中存在的同源染色体难区分、序列丢失和错误分型等关键问题，为高质量多倍体基因组组装和泛基因组研究提供了重要技术支撑。

原文链接：https://www.nature.com/articles/s41477-026-02422-5

多倍体基因组广泛存在于自然界，尤其是在植物中，大量重要农作物均具有多倍体起源。然而，由于多倍体基因组包含多个高度相似的同源染色体组，其组装难度远高于二倍体基因组。同源序列之间的高度相似性、重复序列比例增加以及复杂的染色体结构，使得研究人员难以准确区分不同来源的染色体，并进一步构建完整的单倍型染色体序列。目前主流多倍体分型挂载方法主要依赖 Hi-C 等染色质互作数据，但由于 3C 数据本身存在分辨率限制，短序列单元（unitig）可能缺少足够互作信号，而高度相似区域容易产生混淆信号，导致部分序列被丢失或错误分配，从而限制了复杂多倍体基因组的高质量解析。

针对这一难题，研究团队开发了 GPhase 算法，首次系统性地将长读长序列组装产生的组装图信息引入多倍体基因组分型挂载流程。传统方法主要依赖 Hi-C 等 3C 数据提供染色体间联系信息，而 GPhase 进一步利用组装图中蕴含的序列连接关系，为基因组结构解析提供额外证据，从而弥补 3C 数据在短序列定位和复杂区域解析方面的不足。

GPhase 的核心创新主要体现在三个方面：

一是利用组装图辅助染色体划分，提高复杂基因组定位准确性。 GPhase 首先利用 unitig 水平组装图中的连接关系，将基因组序列划分至不同染色体区域，再结合 3C 互作信号进一步完成染色体级定位。该策略能够有效利用长读长数据中的序列连接信息，减少传统方法因短序列缺乏互作信号而造成的序列遗漏。

二是融合多源信息实现精准单倍型分型。 在单倍型解析过程中，GPhase 综合利用组装图结构、序列同源关系以及 3C 互作信号，对不同来源的同源染色体进行区分。针对多倍体中特别困难的塌缩区域（collapsed regions），该方法通过分析不同单倍型之间的连接模式，降低错误聚类风险，提高分型准确性。

三是突破传统"仅挂载"的限制，实现更连续完整的染色体组装。 与现有工具主要完成序列排序和方向调整不同，GPhase 能够进一步利用组装图信息对 unitig 进行连接和恢复，从而提升无缺口序列的连续性，获得更加完整的单倍型染色体组装结果。

研究团队在多个复杂多倍体基因组数据集上对 GPhase 进行了系统评估，涵盖模拟多倍体基因组以及马铃薯、玫瑰、莲雾、苜蓿、柿等真实物种，并测试了 Hi-C、Pore-C 和 Omni-C 等多种 3C 数据类型。结果显示，GPhase 在不同复杂程度的多倍体基因组中均表现出稳定优势。与现有主流工具 ALLHiC 和 HapHiC 相比，GPhase 显著降低了基于 BUSCO 评估的序列缺失率，降低了基于 k-mer 分析的序列错误率，并将无缺口序列连续性（N50）提升数倍。

在真实复杂基因组应用中，GPhase 同样展现出优异性能。例如，在四倍体莲雾基因组研究中，基于 GPhase 构建的新组装版本显著提升了基因组质量；在月季基因组研究中，GPhase 成功获得符合物种倍性的高质量单倍型染色体组装，为后续花色、抗逆性等复杂性状相关研究提供了可靠基因组资源。

该研究的重要意义在于突破了长期限制多倍体基因组研究的技术瓶颈。通过将组装图信息与 3C 数据深度融合，GPhase 为复杂多倍体基因组提供了一种更加准确、完整和通用的解析方案，有望推动多倍体作物泛基因组构建、等位基因功能解析以及复杂性状遗传机制研究。目前，GPhase（含用户手册、示例数据）已在 GitHub（https://github.com/panlab-bioinfo/GPhase）开源，相关测序数据可在国家基因组科学数据中心（PRJCA045971）获取。

未来，随着更多长读长测序技术和 3C 技术的发展，GPhase 所提出的多源信息融合策略将进一步拓展至更多复杂基因组解析场景，为实现高质量、端粒到端粒（T2T）水平的多倍体基因组组装提供新的技术路径。

中国农业科学院深圳农业基因组研究所联合培养硕士杜文杰、联合培养硕士李雁春、副研究员曾筱菲和博士后杨金宝为该论文共同第一作者，中国农业科学院深圳农业基因组研究所潘玮华研究员、武志强研究员、太原理工大学李东喜教授和西南大学程廷才教授为该论文共同通讯作者。

该研究得到国家重点研发计划、国家自然科学基金、中国农业科学院重大任务、中国农业科学院青年创新专项项目、中国农业科学院创新工程项目、中华人民共和国农业农村部科技项目、山西省基础研究计划以及山西省重点研发计划项目等项目资助。