De novo-assemblering

När forskare sekvenserar DNA läses arvsmassan sällan i en enda lång sträng. I stället produceras stora mängder korta bitar, så kallade läsningar (reads), som var och en bara täcker en liten del av genomet. För att förstå helheten måste dessa bitar fogas samman igen, och det är just detta som kallas assemblering.

Vid vanlig referensbaserad analys jämförs läsningarna med ett redan känt genom, ungefär som att lägga ett pussel med facit framför sig. De novo-assemblering saknar däremot facit. Uttrycket "de novo" är latin och betyder "från nytt", och pusslet måste här läggas enbart genom att leta efter överlappande kanter mellan bitarna. Två läsningar som delar en identisk ändsekvens antas tillhöra samma del av genomet och fogas ihop till längre sammanhängande sträckor, så kallade contiger.

Ett konkret exempel: tänk dig att du fått tusentals kopior av samma bok, men varje kopia har strimlats i små remsor och alla remsor blandats i en hög. Utan att ha en hel bok att jämföra med måste du sortera remsorna genom att hitta ord och meningar som överlappar mellan dem. Bit för bit kan du då återskapa hela kapitel. Precis så fungerar de novo-assemblering på DNA-nivå.

Metoden är särskilt värdefull när man studerar en art eller organism som aldrig tidigare sekvenserats, eftersom det då inte finns något referensgenom att utgå från. Den används också för att upptäcka stora strukturella skillnader, som infogade eller saknade DNA-avsnitt, vilka lätt missas vid referensbaserad analys.

Långläsningstekniker, som ger betydligt längre DNA-fragment åt gången, har gjort de novo-assemblering kraftfullare. Längre läsningar överbryggar svåra, repetitiva regioner i arvsmassan som annars gör pusslet nästan omöjligt att lösa. För släktforskning och konsumenttester har metoden mindre direkt betydelse i dag, men den ligger till grund för de referensgenom och vetenskapliga databaser som hela fältet vilar på. Utan väl assemblerade genom skulle våra jämförelser av släktskap och ursprung sakna fast mark att stå på.