HiC-Meta

   Hi-C技术的出现，为困扰其中的微生物学家们提供了重要思路——基于染色体空间构象研究的三维基因组技术，能够很好的“绑定”细胞内空间构象彼此靠近的DNA片段（Hi-C技术实验流程原理如下图）。

技术有了，如何利用其发挥出构象研究的优势就需要研究者们“大开脑洞”的创新。2014年，华盛顿大学基因组科学部的研究者们大胆提出“既然Hi-C可以获取染色体内部和染色体间的邻接信号，那用于区分不同细胞/菌体来源的核酸更不在话下啊(原理见下图)，何不用来搞meta!!!”。

于是，他们开展了第一例将Hi-C技术应用于“类宏基因组”的研究和探索：研究者们用两组人工混合而成的”类宏基因组样本”开展研究，胜利实现了样本中真菌、细菌、古菌的基因组聚类，与已知参考基因组相比，一致性高达99%。有了这个分门别类的“核酸聚类”，序列来源一目了然。序列都分好了，那就试试用在单菌的基因组组装上吧——这一试，果然不同凡响》》》》》》（如下图）》》》》》

Hi-C获得的宏基因组数据，不仅可以很好的应用于宏样本中核酸来源的精细区分，用于基因组组装的效果也是惊艳众人——研究中获得的组装结果，有一些甚至比已经报道的参考基因组更胜一筹！

在人工合成的混合样本中能够得到如此惊艳的效果，在自然样本中效果又如何呢？2017年，有学者用同样的粪便样本，开展了常规宏基因组研究，基于binning算法的宏基因组单菌组装和基于Hi-C技术的宏基因组单菌组装，并进行了三种研究方法的对比[3]。结果这一次研究结果，除了验证了Hi-C在宏基因组中可以良好的辅助单菌组装外（N50长度相较于binning算法翻番），更发掘出Hi-C技术更多的优势：

更多单菌框架图，更高质量的组装

更接近展示情况的组装结果

更具优势的物种分类和新物种发掘

更能精确的区分单菌的核基因组和质粒基因组信息，用于环境样本中不同微生物间基因共享（gene sharing）现象的研究

同年，更有基于Hi-C技术的宏基因组应用研究，发表在Nature Communications这样国际著名的学术期刊上[4], 对牛的瘤胃样本开展研究，组装出913个微生物单体基因组（下图），不仅获取了大量既往研究中因无法分离培养而没有参考基因组的单菌基因组信息，发现了一批新物种，更在此基础上挖掘了瘤胃中与碳水化合物代谢相关的蛋白信息，研究内容上可谓是“有深度有内涵”。

讲了这么多，福利在哪里呢？

云生物推出国内首家HiC-Meta宏基因组测序及分析服务，从样本制备到数据分析，从宏组学研究到但均基因组分析，一次实验，一个样本，深度挖掘群体到个体不同层次的组学信息，全面展示复杂微生物组样本信息。

参考文献：

[1]   Comprehensive mapping of long-range interactions reveals folding principles of the human genome.Science, 2009.

[2] Species-Level Deconvolution of Metagenome Assemblies with Hi-C-Based Contact Probability Maps.Genes Genomes Genetics, 2014.

[3]   Hi-C deconvolution of a human gut microbiome yields high-quality draft genomes and reveals plasmid-genome interactions. bioRxiv, 2017.

[4]   Assembly of 913 microbial genomes from metagenomic sequencing of the cow rumen. NatureCommunications, 2017.