夏らしい話題 ヒマワリゲノム解読完了

まだ5月ですが夏の話題です。
みなさんヒマワリというと、何を思い浮かべますでしょうか？

私は小学生の時に種から育てた記憶と、花が枯れた後に取れた種をハムスターの餌に与えていた記憶が強いです。
でも、最近では植物油として売られているし、アメリカではオーガニックの食用ヒマワリの種がスーパーで売ってました（日本でも売ってるか）。　
あと、なんといってもあの太陽に向いているイメージが強いので、企業やお店の名前にも使われますね。　「ひまわりクリーニング」とか、西日本でよく見る「スーパードラッグ　ひまわり」とか。

長々とすいません、本題に入ります。

先日、Natureに出たのがヒマワリゲノム！
論文はこちら

この論文、何がすごいかって、その迫力と規模。
RSIIのSMRT Cellを何と407個使って、102カバレッジのデータを出力。
3,200万本の超ロングサブリード（平均10.3kb、N50=13.7kb）でアセンブルして想定ゲノムサイズ（3.8Gb）の80％、およそ3Gbをカバー。
使ったアセンブラーはPBcR wgs8.3rc1で、Falconではありません。
Contigの数は14,000本
N50=およそ400kb

32万個以上のBACクローンから12.5Xの物理地図が作られ、QTL解析などをもとに、17本の擬似染色体が作られた。それらは遺伝子の97%をカバーした。

ここまでの仕事は大変だったと想像できます。
せっかくなので、SequelとDovetailを使うとどんな感じでできるかと、妄想してみました。

Sequel　
セルあたりの出力＝6Gbと推定（公式には5～8Gbと言っているけれど控えめにしてみた）
サブリードの平均長やN50はRSIIと同じと仮定

3.8Gb/genome x 102 coverage = 387.6 Gb /genome
387.6 Gb / 6 Gb/Cell = 64.6 Cells（65セル）

4セルランを16回または８セルランを８回、追加1セルラン
大体、かかる時間は1ヶ月＋＋
出力したデータはFalcon + unzipでアセンブリ
計算機にもよるけれど恐らく1週間程度？

Dovetail
PacBioである程度ドラフトアセンブリが完成したと仮定
ContigのN50は400kbと仮定

100kb以上の高分子DNAを抽出
ゲノムサイズは3.8Gbで複雑なゲノムらしいので、Chicagoライブラリは3種類作る
100x程度の物理カバレッジをとるためHiSeq Xのランは2レーン行う
PacBioのドラフトアセンブリとDovetail Chicagoを合わせてHiRiseスキャフォルディング
ここまででおよそ２か月

た、ぶ、ん、

スキャフォルドをしたあとのN50 は、メガベース単位

で、その次にHi-Cを加える
Chicagoのときと同じく、しかし今度は in vivo でライブラリを作製
時間短縮のため、Chicagoと同時にライブラリを作成してシークエンスしたと仮定すると、Dovetail全体でおよそ4か月

Hi-Cを加えて、擬似染色体まで完成！