长读长测序
长读长测序（Long-read sequencing）产生数千至数百万碱基长度的连续序列，使研究者能够跨越重复区域、直接观测结构变异，并获得完整的转录本和单倍型信息。
- PacBio 与 Oxford Nanopore 是两大主流平台，测序原理和误差特征各异
- 长读长组装采用 OLC（Overlap-Layout-Consensus）策略，配合专门的重叠检测算法
- Consensus 算法通过多序列信息整合显著降低测序错误率
- 长读长可直接跨越结构变异断点，是 SV 检测的重要技术路线
基因组学研究长期以来面临一个基本限制：如何组装和解析那些超过测序 read 长度的重复区域？
传统短读长（Illumina）技术产生的 reads 通常只有 100–300 bp。当基因组中存在长度超过 read 长度的重复序列时，组装图（de Bruijn 图或重叠图）会出现无法解析的分叉，导致：
- 组装碎片化（contig N50 低）
- 重复区域塌陷或错误连接
- 结构变异难以准确检测
- 单倍型信息丢失
长读长测序将单条 read 的长度提升到数 kb 乃至数十 kb甚至上百 kb，从根本上改变了这一局面。本章将系统介绍：
- 测序平台：PacBio SMRT 与 Oxford Nanopore 的物理原理与误差模式
- 组装算法：从重叠检测到共识生成的完整流程
- 结构变异检测：利用长跨度 reads 直接观测基因组重排
长读长技术的重要性体现在以下几个关键场景：
重复区域解析 人类基因组中约 50% 为重复序列，包括着丝粒、端粒和转座子。短读长无法唯一比对到这些区域，而长读长可直接跨越重复单元。
结构变异检测 结构变异（SV）通常指 >50 bp 的基因组变异，包括插入、缺失、倒位、重复和易位。SV 常常大于短读长长度，长读长更容易直接观测断点。
复杂转录本与单倍型 选择性剪接产生多种转录本亚型，长读长可捕获完整 mRNA 序列。同时，长跨度信息使得区分同源染色体（phasing）成为可能。
临床应用 大型缺失、插入和重排与多种遗传疾病相关，长读长正成为临床诊断的重要工具。
推荐阅读顺序
Section titled “推荐阅读顺序”与其他板块的连接
Section titled “与其他板块的连接”- 组装理论基础见 组装与图算法；
- 小变异与大变异的区别见 small variants vs SV；
- 临床场景下的进一步解释见 临床变异解释。
PacBio 与 Nanopore
理解两类平台的测序原理、误差模式与适用场景。
进入子主题长读长组装
从 overlap 到 contig，再到 polishing 和评估。
进入子主题重叠检测算法
Minimap 的 minimizer 采样和 MHAP 的 MinHash 算法。
进入子主题Consensus 算法
Racon 的 POA 动态规划和 Medaka 的神经网络模型。
进入子主题Minimap2 比对算法
Seed-chain-align 流程与带状动态规划实现。
进入子主题Basecalling 算法
Nanopore 信号处理的 HMM 模型与神经网络架构。
进入子主题结构变异检测
利用 split-read、coverage 和断点证据检测大型插入、缺失和重排。
进入子主题