Hi-C辅助基因组组装：从碎片化contig到染色体级scaffold的实战策略

在基因组学研究领域，获得染色体级别的完整组装一直是科学家追求的目标。随着测序技术的快速发展，Hi-C技术已成为提升基因组组装质量的革命性工具。本文将深入解析如何利用Hi-C互作数据，将N50仅为5.47 Mb的contig提升至46.68 Mb的scaffold，并实现染色体精准挂载的全流程技术方案。

1. Hi-C技术原理与实验设计

Hi-C（High-throughput chromosome conformation capture）技术源于染色体构象捕获技术，其核心在于捕获细胞核内空间邻近的DNA片段。当细胞经甲醛交联固定后，染色质的三维结构得以保留，随后通过以下关键步骤：

1. 限制性内切酶消化：常用酶如HindIII或MboI，在特定位点切割DNA
2. 末端标记与连接：使用生物素标记的核苷酸填充粘性末端，随后进行邻近连接
3. 文库构建：将连接产物片段化后，通过链霉亲和素磁珠富集生物素标记片段

实验设计要点：

• 细胞新鲜度直接影响交联效率
• 酶切时间需优化以避免过度/不足消化
• 建议测序深度≥50X基因组大小

典型Hi-C实验产出数据特征：

2. 数据预处理与质量控制

原始Hi-C数据需经过严格质控和预处理，关键步骤包括：

# 使用Juicer进行数据预处理 juicer.sh -z references/genome.fa -p restrictionsites/chrom.sizes \ -y restrictionsites/genome_HindIII.txt -d ./ -D ./ \ -s HindIII -t 32

处理流程中的质量控制节点：

1. 原始数据过滤：去除接头污染和低质量读段（Q<30）
2. 比对率检查：使用BWA-MEM比对，要求>85%唯一比对率
3. 有效互作对统计：有效互作应占总比对读段的60%以上

常见问题解决方案：

• 低比对率：检查参考基因组与样本的匹配性
• 高重复率：增加PCR去重步骤
• 异常互作模式：排查实验中的交联不足问题

3. 三维基因组辅助组装实战

基于Hi-C的组装流程主要分为两个阶段：

3.1 初始组装优化

• 使用Canu或Hifiasm获得contig级组装
• 采用Juicer+3D-DNA流程进行scaffolding：

# 3D-DNA组装命令 run-asm-pipeline.sh -m diploid -i 15000 -r 2 \ references/contigs.fa aligned/merged_nodups.txt

3.2 Juicebox人工校正

在Juicebox可视化工具中需重点关注：

1. 异常信号区域：对角线外的强互作信号
2. 方向错误：contig内部互作模式异常
3. 嵌合contig：显示多个互作域的contig

校正操作示例：

• 拖动contig调整顺序和方向
• 分割显示异常信号的contig
• 合并错误断裂的contig

4. 复杂基因组的特殊处理策略

对于高杂合或多倍体基因组，需采用分型组装策略：

二倍体分型流程：

1. 使用Hifiasm生成单倍型分型的contig
2. 通过Hi-C互作模式区分单倍型
3. 分别进行染色体挂载

关键参数对比：

5. 结果验证与质量评估

完成组装后需进行多维度验证：

基因组完整性评估：

• BUSCO评估：>90%完整基因集
• LAI（LTR Assembly Index）：>10表明着丝粒区域完整
• 光学图谱验证：使用BioNano或ONT数据检查一致性

Hi-C热图解读要点：

• 主对角线信号强度反映组装连续性
• 次对角线模式显示正确拓扑结构
• 着丝粒区域应呈现典型低互作特征

表：毛白杨基因组组装指标对比

在实际项目中，我们观察到采用PacBio HiFi+Hi-C组合策略时，scaffold N50可达到contig N50的5-10倍。例如某蔷薇科植物基因组项目中，初始contig N50为3.2Mb，经Hi-C挂载后提升至28.7Mb，最长的scaffold达到67.4Mb。