Ensamblado de secuencias

Conocimientos previos

• Genoma
• Secuenciación
• Lectura

Descripción

El ensamblado es un procedimiento bioinformático cuya finalidad es reconstruir la secuencia original de una muestra fragmentada por cualquier método de secuenciación. Este proceso depende fuertemente de realizar una secuenciación profunda, pues los algoritmos dedicados a esto trabajan bajo la suposición de que fragmentos similares de lecturas se originan de una misma posición en el genoma. Esto se traduce en que el software utilizado necesita identificar empalmes entre las lecturas obtenidas.

El ensamblado de secuencias sirve tanto para generar digitalmente secuencias nuevas (de novo) como para comparar con secuencias similares (ensamblado por alineamiento).

Entrada/Muestra

Lecturas en formato FASTA (aunque también pueden ser FASTQ, SAM, BAM, etc.).

Recursos/Material

• Software de ensamblado (Ej. Velvet, SOAPdenovo, Bowtie, ABySS, MetaVelvet, Trinity, CLC workbench)
• Computadoras con alta capacidad de procesamiento y memoria

Requisitos previos

• Secuenciación con cobertura apropiada
• Filtrado por calidad de las lecturas, preferentemente en formato FASTA

Procedimiento

Se proporciona el(los) archivos con las lecturas en el formato correspondiente (normalmente FASTA) al programa utilizado para el ensamblado (por ejemplo, Velvet), junto con información respecto a las características del procedimiento de secuenciación que se usón (Illumina, 454, etc.).

Salida/Resultado

Archivo de texto con contigs (lecturas ensambladas en fragmentos de mayor tamaño), normalmente en formato FASTA.

Fuentes de error más frecuentes

• Contaminación de secuencias por falta de filtrado por calidad
• Baja cobertura en la secuenciación
• Ensamblado quimérico

Aplicaciones

• Caracterización de especies
• Anotación de genomas

Temas relacionados

• Secuenciación de alto rendimiento
• Anotación de genoma
• SNP calling