O que é Montagem e anotação?

A montagem reconstrói um genoma a partir de suas leituras por sobreposição: num grafo de sobreposições cada leitura é um nó unido às leituras que a sobrepõem; num grafo de de Bruijn, usado para bilhões de leituras curtas, cada $k$-mero (subsequência de comprimento $k$) é um nó e o genoma é um caminho por eles. Os dois são rompidos por repetições mais longas que a leitura, que dão caminhos ramificados. Os contigs são ordenados e orientados em scaffolds por leituras de extremidades pareadas e por informação de longo alcance (leituras longas, mapas ópticos, mapas de contato cromossômico), e os scaffolds são colocados nos cromossomos. A qualidade de uma montagem é resumida pelo N50: o comprimento de contig tal que metade das bases montadas está em contigs pelo menos tão longos. A anotação então localiza os genes: nas bactérias, fases de leitura abertas mais longas do que o acaso daria; nos eucariontes, combinando sinais de sequência (sítios de splicing, promotores, viés de códons), homologia com proteínas conhecidas e transcritos sequenciados a partir do RNA. O resultado, para uma espécie, é um genoma de referência ao qual toda leitura posterior daquela espécie é alinhada, em vez de montada de novo.