利用de Bruijn graph組裝基因組的時候，Kmer為什麼必須是奇數？

根本原因就是為了避免導致正反鏈混淆。

如果kmer是偶數，我們會發現基因組上有些序列（如，CGCGCGCG，kmer=4）的Kmer在反向互補後得到的序列仍然是它自身！這是不能允許發生的。因為這將導致你無法區分某段序列的kmer到底是屬於它自身還是說只是來自於它的互補鏈！！這會給解de Bruijn graph帶來極大的混淆和困難！

或許你會覺得 「為什麼我需要糾結於序列是不是來自互補鏈呢？畢竟雙鏈DNA的正反鏈是嚴格反向互補的啊，基因組組裝技術不也是把它們合併裝在一起的嗎？！」。你若是這樣來理解其實是非常難得的，但前提卻是基因組必須能夠被一次性完整地（至少是非常接近完整）測出來，這時的測序深度甚至只需是1就可以了。但是你回頭想想，既然都已經把基因組完整測序出來了，那還要組裝幹嘛呢？

並且，目前的NGS測序技術也做不到通測基因組。一般來說都是測出上百萬千萬億萬個小小的片段（read，長度一般是100bp-300bp）。而且，為了確保準確性，基因組都會被反覆測很多層。組裝時構建的kmer單位，實際上是對這些read進行的。具體的操作就是按照kmer的長度把這些read切割成更小的、存在重疊關係的片段。那麼，此刻當我們構建de Bruijn graph時，如何能夠保證正確地把同屬於一條read上的Kmer連接起來，就顯得極為重要了！我們不能一會兒把A kmer正確地連到它自己所在的read，一會兒又連到它互補鏈的read上去！

這就是為何Kmer不能是偶數的原因了，因為只有奇數，才能保證每個kmer序列的反向互補kmer與自身也是不同的，而這個不同的真正意義就是為了避免正反鏈混淆。比如 ：5-mer的 CGCGC，反向互補後是 GCGCG， 它們是不同的；這就不會像 4-mer，CGCG發現它反向互補後仍然是CGCG，這個時候就就會在後續連接kmer的過程中發生正負鏈混淆，裝出一個嵌合體基因組！

最後，放一張發表在Genome Research有關組裝的圖，大家可以大致感受一下這一段重複序列的組裝過程。

我的微信公眾號：解螺旋的礦工 歡迎關注更及時了解更多信息。