（1）首先，因为用到的是长读和短读测序结合的组装策略，因此我们得到的基因组基本上都是可以达到contig级别的。此外，因为需要参考基因组作为引导，所以我们就选择将它们组装到了染色体级别；具体的挑选来说，是基于之前水稻3K的SNP和水稻的地理分布以及其他的特征开展的，大概是几十个对应的水稻。

（2）关于no-gaps这些样本的确定，主要就是看这些组装结果、包括已经发表的公共数据库里哪些gap数量是比较少的，我们主要是参考了2020年的一篇文章，它发布的基因组质量还是比较高的，基本上都是只有几个或者是几十个gap的基因组，然后，我们也是在它们的基础上进行gap的填补的。

2. 有考虑做图形化泛基因组吗？

这个我们课题组正在做。

3.请问老师，转录组做基因组组装注释，转录组需要测多少数据量？

薛老师：我们这个项目，没有做转录组测序，所有具体的情况需要具体来看。我们主要是基于公共数据库的转录本、蛋白作为证据，并结合从头预测共三个方法去做的注释。

4. 老师，你们有对每个染色体基因组进行单独注释吗？我看网站上没有提供单独的注释信息。

我们没有对每个染色体基因组进行单独注释。因为我们当时考虑到样本量确实比较大，而且我们针对新序列部分做了一些变化，以保证这些基因尽可能的不要被遗漏，那么在此基础上如果我们再去做基因的PAV应该是问题不大的，所以我们当时是采取了一些更加高效和快捷的手段，而没有对每一个染色体都去做单独的注释。

5. 老师您好，想问一下，gap-free基因组的gaps是怎么填补的？

主要是基于TGS-GapCloser去填补的，它的基本思路就是在gap的两端有对应的序列，我们在比对的时候，有对应的identity和长度的最低要求，基于这两个内容，可以得到一个QS得分；但是我也发现，阈值设置过低的话，结果会很多、很杂乱，所以我在做的时候，将identity提高到了90%；长度方面，对于correct reads我设置为了两端都要300bp以上，对于打磨的contig而言，两端设置成1000bp以上，然后通过这样的方式去补gap；最后，每个样本都能提供得到gap的长度。但是，我们也发现填补进去的gap序列差别比较大，所以我们最后是对多个样本取了最短的序列，以大致估算完整基因组的大小。

6. 请问老师，map到参考基因组，根据基因修饰文件确定匹配的基因，匹配出来的测序片段特别长，和真正的基因长度差别很大，那请问老师可以根据什么标准或者方法可以筛选一下呢？

我们map的时候没有特别地说去匹配到哪里，只是正常的比对。

7. 请问PAV分析对每个群体的个体数量有什么要求吗？

这个分两个方面，一方面是鉴定，相当于是判定某个基因的有或没有，这个的话一般每个样本都可以去做，但是如果测序深度特别低，有些基因上面可能没有reads的覆盖，就会影响PAV后面的分析；另一方面，如果获得了对应的每个基因的PAV情况去合并到群体的话，那就需要关注整个群体你关心的核心基因、soft core或者distribute了；另外，如果样本比较少的话，可以对PAV的基因的分类要求稍微宽松一点，也就是说可以根据情况可以适当调整。