也许你并不知道，人类基因组并没有测序完全。一些重复区域和难测序的序列始终犹抱琵琶半遮面。同时，遗传变异也是个挑战。在新一期的《BioTechniques》杂志中，Nathan Blow介绍了一些新的技术和方法，能帮助人们绘制这些难以读取的DNA片段。

对于生活中的许多事情，我们往往会想当然。在实验中也是如此。以DNA测序为例，人们总觉得新一代测序（NGS）平台已强大如斯，理应能解码任何部分的DNA。然而，真实的情况是，即使是的测序平台，再加上*新的生物信息学软件，有时也会束手无策。

众所周知，基因组主要包括以各种方式排列的GATC核苷酸长链。当这些核苷酸以“正常”方式排列（如基因的编码序列）时，一切都很好，测序并不困难。当这些排列越来越多样化，当核苷酸开始大片段重复，当单个核苷酸绵绵延伸（这种情况被称为均聚物）时，挑战出现了。这时，测序带来的基因组上有许多洞。

Deanna Church现任Personalis公司基因组学与内容的高级总监，早前参与了finish人类基因组的工作。她表示：“我认为这个世界上没有一个已完成的人类基因组。至少我一个也没看见。”

在人类基因组草图公布之后，Church就与一些测序和基因组组装的专家一起专攻基因组中那些无法测序的区域。她们的努力带来了DNA测序的新方法和新工具，以及独特的生物学见解。然而，另一个问题也开始显露。finished参考基因组究竟是什么样子？如何捕获单个参考序列中的大量遗传变异？

技术限制

如今的DNA测序平台比以往任何时候都更高产。但有利也有弊，这些平台产生的序列读取比过去的系统要短得多。当科学家试图将数百万条短序列组装成复杂的基因组时，问题真的来了。试想一下，一块拼图由几千小块组成，且每块的形状和颜色都几乎相同。片段越多，拼拼图的挑战性就越大。这也是当今研究人员在组装基因组时所面临的挑战。

解决“小片段”问题的一种方式是生成一个框架，将所有的小片段放在里面。通过这种方式，您就有了一个指定的起点，来拼剩下的拼图。对于基因组测序而言，新的长读取测序系统的出现，兴许会让一切变得不同。

Pacific Biosciences公司的单分子测序系统能带来非常长的DNA片段。利用*新的试剂，它的平均读取长度已达到10,000 bp或更长，显然比其他平台的几百个碱基要长得多。尽管准确性和通量水平仍不及Illumina，但PacBio的数据常常被用作“脚手架”，以指导短读取数据的组装。这样的组合在*近几年频频出现。

2012年，美国一组研究人员在《Nature BioTechnology》上发表文章，利用高保真的短读取序列和几kb的单分子测序读取来校正错误，并实现de novo基因组组装。他们利用这种方法验证了多个基因组，包括之前难以测序的鹦鹉基因组，证实碱基检出准确性达到99.9%。2013年，由PacBio的Jonas Korlach领导的另一个团队仅利用SMRT测序数据，组装成finished细菌基因组。这项成果发表在《Nature Methods》上。