scaffold reads contig

来自知乎，留以后来学习 基因家族是由具有类似功能的很多基因组成的，这些基因往往具有类似的一个或几个相同的保守结构域。这些基因不一定全部来自于同一个物种，而来自于很多物种。 基因簇是由功能相关的一些基因聚集在一起构成的。举个例子，微生物的很多次级代谢产物往往是由一个基因簇来编码的，基因簇上的每个基因功能不同，有的负责编码氨基酸，有的负责修饰脱水等等，这些基因相互合作最终合成了一个完整的产物。 scaffold貌似是基因片段，比如NCBI上的shotgun序列，即鸟枪法测序会把基因组打成很多片段，每一个片段貌似就是scaffold。 motif是基序的意思，一般就是很短的一段序列，某些特征基序可能跟功能有关。 希望我没有说错能帮到题主。欢迎各位大大温柔地指出错误～ 三土哥哥3 年前 每一个片段是reads，scaffold是组装出来的 (1)基因家族。对于基因家族，按照传统的概念，认为是在染色体上距离接近，功能类似的基因簇(cluster)。但实际上，我们生物信息学对于基因家族的概念一般有两种分类：(1)按功能划分。例如我们常用的CAZyme注释或者Pfam注释，会把一些功能类似的基因聚类，形成一个家族。例如GH家族（糖苷水解酶家族）等；(2)按照序列相似程度划分。我们一般将旁系同源的基因放在一起认为是一个家族，一般使用orthoMCL进行聚类。 （2）基因簇的概念已经说了，是指在基因组上距离相近功能类似的基因。 （3）scaffold和contig。对于二代基因组测序的结果，我们获得最原始的数据叫做reads。它包含了原始的测试数据（ATCG）和碱基质量信息（一般用ASCII码对其打分）。由于二代测序的原理，我们需要把DNA打断后进行PCR扩增后对其进行测序。而打断后的序列片段很短，所以需要对其进行组装，还原其基因组的真实情况。在这个组装的过程中（其中的算法非常复杂），我们将reads拼接形成初步较长的序列，这个序列叫做contig。但是contig依旧还是很短，我们根据序列的信息将contig进一步的组装，形成更长的序列，这个序列就叫做scaffold。

In NGS data based genome assembly, there are several steps. First, using methods like debrujin graph to connect kmer(reads) into contig(only use information of overlap between reads). Then people use pair-end relationship to connect these contigs to form scaffold.