<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Journal Publishing DTD v1.3 20210610//EN"
  "JATS-journalpublishing1-3.dtd">
<!-- Auto-generated by tools/html-to-jats.js from articles/202622/index.html. Review before PMC delivery. -->
<article article-type="review-article" dtd-version="1.3" xml:lang="en"
  xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">contig</journal-id>
      <journal-title-group><journal-title>Contig</journal-title></journal-title-group>
      <issn pub-type="epub">3134-6359</issn>
      <publisher><publisher-name>Kazakhstan Society of Geneticists and Breeders</publisher-name><publisher-loc>Almaty, Kazakhstan</publisher-loc></publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.66273/3134-6359.2026.1.4.004</article-id>
      <article-id pub-id-type="publisher-id">202622</article-id>
      <article-categories><subj-group subj-group-type="heading"><subject>Review</subject></subj-group></article-categories>
      <title-group><article-title>Methods and Bioinformatics Tools for Genomic Analysis</article-title></title-group>
      <contrib-group>
        <contrib contrib-type="author" corresp="yes">
          <name><surname>Aitzhanova</surname><given-names>Aizhamal</given-names></name>
          <email>aizhamal.aitzhanova@umontreal.ca</email>
          <xref ref-type="aff" rid="aff1">1</xref>
          <xref ref-type="corresp" rid="cor1">*</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <contrib-id contrib-id-type="orcid">https://orcid.org/0000-0002-7658-5952</contrib-id>
          <name><surname>Bektayev</surname><given-names>Rakhimbek</given-names></name>
          <email>rakhimbek.bektayev@nu.edu.kz</email>
          <xref ref-type="aff" rid="aff2">2</xref>
          <xref ref-type="corresp" rid="cor1">*</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <contrib-id contrib-id-type="orcid">https://orcid.org/0000-0003-3886-718X</contrib-id>
          <name><surname>Daniyarov</surname><given-names>Asset</given-names></name>
          <email>asset.daniyarov@nu.edu.kz</email>
          <xref ref-type="aff" rid="aff2">2</xref>
          <xref ref-type="corresp" rid="cor1">*</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <contrib-id contrib-id-type="orcid">https://orcid.org/0000-0001-5186-8561</contrib-id>
          <name><surname>Karimov</surname><given-names>Aibek</given-names></name>
          <email>aibek.karimov@nu.edu.kz</email>
          <xref ref-type="aff" rid="aff2">2</xref>
          <xref ref-type="corresp" rid="cor1">*</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <contrib-id contrib-id-type="orcid">https://orcid.org/0009-0007-5203-4834</contrib-id>
          <name><surname>Makhmetov</surname><given-names>Sultan</given-names></name>
          <email>sultan.makhmetov01@universitadipavia.it</email>
          <xref ref-type="aff" rid="aff3">3</xref>
          <xref ref-type="corresp" rid="cor1">*</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <contrib-id contrib-id-type="orcid">https://orcid.org/0009-0009-8857-3199</contrib-id>
          <name><surname>Ordabayeva</surname><given-names>Anel</given-names></name>
          <email>anel.ordabayeva@nu.edu.kz</email>
          <xref ref-type="aff" rid="aff2">2</xref>
          <xref ref-type="corresp" rid="cor1">*</xref>
        </contrib>
        <contrib contrib-type="author" corresp="yes">
          <contrib-id contrib-id-type="orcid">https://orcid.org/0009-0001-7885-8758</contrib-id>
          <name><surname>Temirkhanova</surname><given-names>Kamila</given-names></name>
          <email>kamila.temirkhanova@ukdd.de</email>
          <xref ref-type="aff" rid="aff4">4</xref>
          <xref ref-type="corresp" rid="cor1">*</xref>
        </contrib>
        <aff id="aff1"><label>1</label>Université de Montréal, Montréal, Canada</aff>
        <aff id="aff2"><label>2</label>Laboratory of Bioinformatics and Systems Biology, Center for Life Sciences, National Laboratory Astana, Nazarbayev University, Astana, Kazakhstan</aff>
        <aff id="aff3"><label>3</label>University of Pavia, Pavia, Italy</aff>
        <aff id="aff4"><label>4</label>Institute for Clinical Chemistry and Laboratory Medicine, TU Dresden, Dresden, Germany</aff>
      </contrib-group>
      <author-notes><corresp id="cor1">Corresponding author: <email>aizhamal.aitzhanova@umontreal.ca</email></corresp></author-notes>
      <pub-date publication-format="electronic" date-type="pub" iso-8601-date="2026-11-18"><day>18</day><month>11</month><year>2026</year></pub-date>
      <pub-date publication-format="electronic" date-type="collection"><year>2026</year></pub-date>
      <volume>1</volume>
      <issue>4</issue>
      <elocation-id>202622</elocation-id>
      <history>
        <date date-type="received" iso-8601-date="2026-10-20"><day>20</day><month>10</month><year>2026</year></date>
        <date date-type="accepted" iso-8601-date="2026-11-17"><day>17</day><month>11</month><year>2026</year></date>
      </history>
      <permissions>
        <copyright-statement>© 2026 Aitzhanova et al.</copyright-statement>
        <copyright-year>2026</copyright-year>
        <copyright-holder>The Author(s)</copyright-holder>
        <license license-type="open-access" xlink:href="https://creativecommons.org/licenses/by/4.0/"><license-p>This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY) . The use, distribution or reproduction in other forums is permitted, provided the original author(s) and the copyright owner(s) are credited and that the original publication in this journal is cited, in accordance with accepted academic practice. No use, distribution or reproduction is permitted which does not comply with these terms.</license-p></license>
      </permissions>
      <self-uri content-type="pdf" xlink:href="https://genes.kz/Contig/articles/202622/202622.pdf"/>
      <abstract>
        <p>Complete, phased genome assemblies and population-scale sequencing have changed how human genomes are analysed. This review surveys current methods and bioinformatics tools in four connected areas, with emphasis on the human genome and its evolution. First, we describe genome assembly, from overlap and de Bruijn graph algorithms to telomere-to-telomere assemblers for high-fidelity and ultra-long reads, together with phasing, scaffolding, polishing and quality assessment. Second, we cover the analysis of variation: read mapping, calling of small and structural variants, phasing and imputation, annotation and effect prediction, rare-variant association testing, and population-genetic inference of demography, genealogies and selection. Third, we discuss comparative genomics and the pangenome, including whole-genome alignment, evolutionary constraint, complete primate genomes, pangenome graph construction and graph-based genotyping. Fourth, we review the study of repeats: transposable elements, centromeric satellites, tandem repeats and segmental duplications, which together make up more than half of the genome and were largely inaccessible until recently. For each area we list representative tools and note practical limitations. We conclude that assembly-based and pangenome-based analysis is replacing the single linear reference. The main open problems are cost at cohort scale, standards for graph-based data, functional interpretation of complex variants, and the under-representation of many populations, including those of Central Asia.</p>
      </abstract>
      <kwd-group kwd-group-type="author">
        <kwd>genome assembly</kwd>
        <kwd>telomere-to-telomere</kwd>
        <kwd>long-read sequencing</kwd>
        <kwd>structural variation</kwd>
        <kwd>rare variants</kwd>
        <kwd>pangenome</kwd>
        <kwd>comparative genomics</kwd>
        <kwd>repetitive DNA</kwd>
        <kwd>human evolution</kwd>
      </kwd-group>
      <counts><ref-count count="266"/></counts>
    </article-meta>
  </front>
  <body>
    <sec id="s1">
      <title>1. Introduction</title>
      <p>The first drafts of the human genome [1, 2] gave genetics a shared coordinate system, and successive reference builds up to GRCh38 served as the basis of read mapping, variant calling and annotation for two decades [3]. That reference was nevertheless a mosaic of a few donors, and about 8% of the genome was missing or misassembled. The unresolved fraction consisted mostly of centromeric satellite arrays, recent segmental duplications and the short arms of the acrocentric chromosomes [4].</p>
      <p>Three developments have changed this situation. First, long-read sequencing matured into two complementary data types: PacBio high-fidelity (HiFi) reads of about 10–25 kb with accuracy of 99.8% or higher [5], and Oxford Nanopore Technologies (ONT) ultra-long reads that exceed 100 kb [6–8]. Second, assembly algorithms designed for these data produced the first gapless human genome, T2T-CHM13, which spans 3.055 Gb and adds nearly 200 Mb of sequence absent from GRCh38 [4], followed by a complete Y chromosome of 62.46 Mb [9]. Third, the field began to replace the single linear reference with a pangenome that represents many haplotypes at once. The Human Pangenome Reference Consortium (HPRC) released a draft built from 47 phased diploid assemblies [10, 11], and its second release (HPRC2) comprises 460 haplotypes that capture more than 99% of the common variation observed in the All of Us cohort [12].</p>
      <p>These advances arrived alongside population-scale sequencing of hundreds of thousands of genomes [13, 14] and telomere-to-telomere (T2T) assemblies of ape genomes [15, 16]. As a result, questions that were previously out of reach can now be addressed directly: how centromeres and duplicated genes vary among people, how often tandem repeats mutate, and which structural changes distinguish the human lineage from other primates.</p>
      <p>The bioinformatics toolkit has changed as fast as the data. This review surveys methods and software in four connected areas, with the human genome and its evolution as the main focus: (i) genome assembly; (ii) analysis of variation, including polymorphism and rare variants; (iii) comparative genomics and the pangenome; and (iv) the study of repeats. For each area we summarize the underlying algorithmic ideas, list widely used tools, and point out limitations that matter in practice. Figure 1 shows how the four areas connect.</p>
      <fig id="fig1" position="float">
        <label>Figure 1</label>
        <caption><p>Overview of the analyses covered in this review. Sequencing reads can be mapped to a reference directly (left), but complete assemblies (Section 2) increasingly serve as the common input for variant analysis (Section 3), comparative and pangenome analysis (Section 4) and repeat analysis (Section 5). Pangenome graphs in turn act as references for genotyping.</p></caption>
        <graphic xlink:href="figure1.svg"/>
      </fig>
    </sec>
    <sec id="s2">
      <title>2. Genome assembly methods</title>
      <sec id="s2-1">
        <title>2.1 Algorithmic foundations</title>
        <p>De novo assembly reconstructs chromosomes from reads by detecting overlaps and resolving repeats. Three graph formulations underlie almost all assemblers: overlap–layout–consensus, in which reads are nodes and overlaps are edges; de Bruijn graphs, in which reads are broken into k-mers [17]; and string graphs, which remove redundant overlaps to give a compact representation of the genome [18]. De Bruijn graph assemblers such as SPAdes [19] remain standard for short reads and small genomes. In a human genome, however, repeats longer than the read or insert length break short-read assemblies into thousands of contigs and collapse duplicated sequence.</p>
        <p>A repeat can be resolved only by reads that span it or that contain differences between its copies. Read length and read accuracy, more than coverage, therefore set the limit on contiguity [20].</p>
      </sec>
      <sec id="s2-2">
        <title>2.2 Assembly of noisy long reads</title>
        <p>Early PacBio continuous long reads and ONT reads carried error rates of 5–15%, so assemblers had to tolerate or remove errors before building a graph. Canu corrects and trims reads and then assembles them, using adaptive k-mer weighting to down-weight repetitive overlaps [21]. FALCON-Unzip introduced diploid-aware assembly that separates haplotypes into phased blocks [22]. Miniasm showed that the correction step can be skipped altogether [23], Flye builds repeat graphs from error-prone disjointigs [24], and wtdbg2 uses fuzzy de Bruijn graphs to cut running time [25]. Shasta relies on run-length encoding and a marker representation of reads to assemble a human genome from nanopore data within hours [26].</p>
        <p>All of these methods need consensus polishing, for example with Racon [27], to reach useful base accuracy. They produce contigs of tens of megabases but usually collapse segmental duplications and satellite arrays.</p>
      </sec>
      <sec id="s2-3">
        <title>2.3 High-fidelity reads and telomere-to-telomere assembly</title>
        <p>HiFi reads made it possible to tell apart near-identical repeat copies and the two haplotypes of a diploid genome. HiCanu adapted Canu to HiFi data through homopolymer compression and strict overlap filtering [28]. Hifiasm builds a phased assembly graph that keeps both haplotypes instead of collapsing them, and is now the most widely used assembler for HiFi data [29]. The La Jolla Assembler applies multiplex de Bruijn graphs with very large k to the same problem [30].</p>
        <p>The T2T-CHM13 genome combined a HiFi string graph with ultra-long ONT reads that were used to untangle the remaining repeats, and it benefited from the effectively haploid CHM13 cell line [4, 31]. Verkko automated this strategy: it builds a HiFi-based graph, aligns ONT reads to it, and uses trio or Hi-C information to trace each haplotype through the graph [32]. Verkko2 improves repeat resolution and gap closing and adds proximity-ligation phasing and scaffolding [33]. Hifiasm follows a comparable route with a "double graph" that integrates ultra-long reads [34].</p>
        <p>The need for two sequencing platforms raises cost and DNA input, and several groups have worked to remove it. ONT duplex reads combined with Pore-C produced gapless human and plant chromosomes from nanopore data alone [35]. HERRO applies haplotype-aware deep-learning correction to ultra-long simplex reads so that they can be assembled with HiFi-oriented tools [36]. Hifiasm (ONT) reaches near-T2T contiguity from standard simplex reads without ultra-long libraries [37].</p>
      </sec>
      <sec id="s2-4">
        <title>2.4 Haplotype phasing and scaffolding</title>
        <p>A diploid assembly can be collapsed, pseudo-haplotype (a primary assembly plus alternate contigs, cleaned with tools such as purge_dups [38]), or fully phased. Full phasing requires long-range information. Trio binning partitions reads or graph paths with parent-specific k-mers [39]. When parents are unavailable, Hi-C contacts [40, 41] or single-cell Strand-seq [42] give chromosome-scale haplotypes.</p>
        <p>Hi-C is also the usual source of scaffolding information. 3D-DNA [43], SALSA2 [44] and YaHS [45] order and orient contigs, and the result is normally inspected and corrected by hand in Juicebox [46]. The Vertebrate Genomes Project and the HPRC have published end-to-end pipelines that combine these steps and document their error modes [47, 48].</p>
      </sec>
      <sec id="s2-5">
        <title>2.5 Polishing and quality assessment</title>
        <p>Even T2T assemblies contain residual errors, most of them small indels in homopolymers and low-complexity sequence. The T2T Consortium described a conservative polishing strategy that avoids introducing errors in repeats [49]. Merfin filters candidate corrections by k-mer consistency with the reads [50], and DeepPolisher uses a transformer model on phased HiFi alignments [51].</p>
        <p>Assembly quality has several independent dimensions, and no single statistic captures them:</p>
        <p>Contiguity: contig and scaffold N50 or NG50, and the number of chromosomes assembled telomere to telomere.</p>
        <p>Completeness: conserved single-copy genes with BUSCO [52] or compleasm [53], and k-mer completeness.</p>
        <p>Base accuracy: reference-free consensus quality values from Merqury [54].</p>
        <p>Structural correctness: reference-based comparison with QUAST-LG [55], and read-based detection of misassemblies with Inspector [56] or Flagger [11].</p>
        <p>Phasing: switch and Hamming error rates from parental k-mers [54].</p>
        <p>A complete diploid assembly of the HG002 genome now provides a benchmark with near-perfect accuracy across 99.4% of the genome, against which reads, variant calls and assemblies can be scored [57].</p>
      </sec>
      <sec id="s2-6">
        <title>2.6 Current state and open problems</title>
        <p>Near-complete diploid human assemblies are now routine. The Human Genome Structural Variation Consortium assembled 130 haplotypes from 65 individuals with a median contiguity of 130 Mb, closed 92% of earlier assembly gaps and finished 39% of chromosomes telomere to telomere [58]. Population-specific T2T references, such as T2T-YAO for Han Chinese [59], are also appearing.</p>
        <p>Several problems remain open. Ribosomal DNA arrays and the largest satellite arrays are still not assembled automatically. Ultra-long libraries need large amounts of high-molecular-weight DNA, which is rarely available from clinical samples. Manual curation remains a bottleneck, and methods for aneuploid, polyploid and tumour genomes lag behind those for normal diploid samples. Table 1 lists representative tools.</p>
        <table-wrap id="tbl1" position="float">
          <label>Table 1</label>
          <caption><p><bold>Representative tools for genome assembly and assembly evaluation.</bold></p></caption>
          <table><thead><tr><th>Stage</th><th>Tool</th><th>Input data</th><th>Key idea</th><th>Reference</th></tr></thead><tbody><tr><td>Contig assembly</td><td>Canu / HiCanu</td><td>PacBio CLR, ONT, HiFi</td><td>Correction, trimming and overlap-based assembly; homopolymer compression for HiFi</td><td>[21, 28]</td></tr><tr><td>Contig assembly</td><td>Flye</td><td>PacBio CLR, ONT, HiFi</td><td>Repeat graphs built from disjointigs</td><td>[24]</td></tr><tr><td>Contig assembly</td><td>Shasta</td><td>ONT</td><td>Run-length encoding and marker-based overlap; very fast</td><td>[26]</td></tr><tr><td>Contig assembly</td><td>wtdbg2</td><td>PacBio CLR, ONT</td><td>Fuzzy de Bruijn graph</td><td>[25]</td></tr><tr><td>Contig assembly</td><td>La Jolla Assembler</td><td>HiFi</td><td>Multiplex de Bruijn graph</td><td>[30]</td></tr><tr><td>Phased assembly</td><td>hifiasm</td><td>HiFi, with trio, Hi-C or ultra-long ONT</td><td>Phased string graph; haplotype-resolved contigs</td><td>[29, 34, 41]</td></tr><tr><td>Phased assembly</td><td>hifiasm (ONT)</td><td>ONT simplex</td><td>Near-T2T assembly without ultra-long reads</td><td>[37]</td></tr><tr><td>T2T assembly</td><td>Verkko / Verkko2</td><td>HiFi or corrected ONT, ultra-long ONT, trio or Hi-C</td><td>HiFi graph resolved with ONT alignments and haplotype walks</td><td>[32, 33]</td></tr><tr><td>Read correction</td><td>HERRO</td><td>ONT ultra-long simplex</td><td>Haplotype-aware deep-learning correction</td><td>[36]</td></tr><tr><td>Haplotig purging</td><td>purge_dups</td><td>Primary assembly and reads</td><td>Removes haplotypic duplication by depth and self-alignment</td><td>[38]</td></tr><tr><td>Scaffolding</td><td>3D-DNA, SALSA2, YaHS</td><td>Contigs and Hi-C</td><td>Ordering and orientation from contact frequency</td><td>[43–45]</td></tr><tr><td>Polishing</td><td>Merfin, DeepPolisher</td><td>Assembly and reads</td><td>k-mer validation of edits; transformer-based correction</td><td>[50, 51]</td></tr><tr><td>Evaluation</td><td>Merqury</td><td>Assembly and read k-mers</td><td>Reference-free QV, completeness and phasing</td><td>[54]</td></tr><tr><td>Evaluation</td><td>BUSCO, compleasm</td><td>Assembly</td><td>Conserved single-copy orthologues</td><td>[52, 53]</td></tr><tr><td>Evaluation</td><td>QUAST-LG, Inspector</td><td>Assembly, reference or reads</td><td>Misassembly and structural error detection</td><td>[55, 56]</td></tr></tbody></table>
        </table-wrap>
      </sec>
      <sec id="s2-7">
        <title>2.1 Алгоритмические основы</title>
        <p>Сборка de novo восстанавливает хромосомы по прочтениям, выявляя перекрытия и разрешая повторы. В основе почти всех сборщиков лежат три графовые постановки задачи: «перекрытие–компоновка–консенсус» (overlap–layout–consensus), где прочтения служат вершинами, а перекрытия — рёбрами; графы де Брёйна, в которых прочтения разбиваются на k-меры [17]; и строковые графы, в которых избыточные перекрытия удаляются, что даёт компактное представление генома [18]. Сборщики на основе графов де Брёйна, такие как SPAdes [19], остаются стандартом для коротких прочтений и небольших геномов. Однако в геноме человека повторы, длина которых превышает длину прочтения или вставки, разбивают сборки из коротких прочтений на тысячи контигов и приводят к схлопыванию дуплицированных последовательностей.</p>
        <p>Повтор можно разрешить только прочтениями, которые перекрывают его целиком или содержат различия между его копиями. Поэтому предел непрерывности сборки задают в большей степени длина и точность прочтений, чем покрытие [20].</p>
      </sec>
      <sec id="s2-8">
        <title>2.2 Сборка из длинных прочтений с высоким уровнем ошибок</title>
        <p>Ранние непрерывные длинные прочтения PacBio и прочтения ONT содержали 5–15% ошибок, поэтому сборщикам приходилось либо допускать ошибки, либо устранять их до построения графа. Canu исправляет и обрезает прочтения, а затем собирает их, применяя адаптивное взвешивание k-меров, чтобы снизить вес перекрытий в повторах [21]. В FALCON-Unzip была введена сборка с учётом диплоидности, разделяющая гаплотипы на фазированные блоки [22]. Miniasm показал, что этап коррекции можно вовсе пропустить [23], Flye строит графы повторов из дисджойнтигов, содержащих ошибки [24], а wtdbg2 использует нечёткие графы де Брёйна для сокращения времени работы [25]. Shasta опирается на кодирование длин серий и маркерное представление прочтений и собирает геном человека по нанопоровым данным за несколько часов [26].</p>
        <p>Всем этим методам требуется полировка консенсуса, например с помощью Racon [27], чтобы достичь приемлемой точности на уровне отдельных оснований. Они дают контиги длиной в десятки мегабаз, но сегментные дупликации и сателлитные массивы в них обычно схлопываются.</p>
      </sec>
      <sec id="s2-9">
        <title>2.3 Высокоточные прочтения и сборка «от теломеры до теломеры»</title>
        <p>Прочтения HiFi позволили различать почти идентичные копии повторов и два гаплотипа диплоидного генома. HiCanu адаптировал Canu к данным HiFi за счёт сжатия гомополимеров и строгой фильтрации перекрытий [28]. Hifiasm строит фазированный граф сборки, в котором оба гаплотипа сохраняются, а не схлопываются; сейчас это самый распространённый сборщик для данных HiFi [29]. La Jolla Assembler решает ту же задачу с помощью мультиплексных графов де Брёйна с очень большими значениями k [30].</p>
        <p>При сборке генома T2T-CHM13 строковый граф по данным HiFi сочетался со сверхдлинными прочтениями ONT, которые использовались для распутывания оставшихся повторов; задачу облегчало то, что клеточная линия CHM13 фактически гаплоидна [4, 31]. Verkko автоматизировал эту стратегию: он строит граф на основе HiFi, выравнивает на него прочтения ONT и использует данные трио или Hi-C, чтобы проследить каждый гаплотип по графу [32]. Verkko2 улучшает разрешение повторов и закрытие пробелов и добавляет фазирование и скаффолдинг по данным лигирования сближенных участков (proximity ligation) [33]. Hifiasm идёт сходным путём, используя «двойной граф», в который интегрируются сверхдлинные прочтения [34].</p>
        <p>Необходимость в двух платформах секвенирования увеличивает стоимость и требуемое количество ДНК, и несколько групп работали над тем, чтобы от неё избавиться. Дуплексные прочтения ONT в сочетании с Pore-C позволили получить хромосомы человека и растений без пробелов только по нанопоровым данным [35]. HERRO применяет к сверхдлинным симплексным прочтениям коррекцию на основе глубокого обучения с учётом гаплотипов, после чего их можно собирать инструментами, рассчитанными на HiFi [36]. Hifiasm (ONT) достигает непрерывности, близкой к T2T, на стандартных симплексных прочтениях без сверхдлинных библиотек [37].</p>
      </sec>
      <sec id="s2-10">
        <title>2.4 Фазирование гаплотипов и скаффолдинг</title>
        <p>Диплоидная сборка может быть схлопнутой, псевдогаплотипной (первичная сборка плюс альтернативные контиги, очищенная такими инструментами, как purge_dups [38]) или полностью фазированной. Для полного фазирования необходима дальнодействующая информация. Метод трио-биннинга (trio binning) разделяет прочтения или пути в графе с помощью k-меров, специфичных для каждого из родителей [39]. Если данные родителей недоступны, гаплотипы хромосомного масштаба дают контакты Hi-C [40, 41] или Strand-seq отдельных клеток [42].</p>
        <p>Hi-C также служит обычным источником информации для скаффолдинга. 3D-DNA [43], SALSA2 [44] и YaHS [45] упорядочивают и ориентируют контиги, а результат, как правило, проверяют и исправляют вручную в Juicebox [46]. Проект Vertebrate Genomes Project и консорциум HPRC опубликовали сквозные конвейеры, которые объединяют эти этапы, и описали характерные для них типы ошибок [47, 48].</p>
      </sec>
      <sec id="s2-11">
        <title>2.5 Полировка и оценка качества</title>
        <p>Даже сборки уровня T2T содержат остаточные ошибки, главным образом небольшие инделы в гомополимерах и последовательностях низкой сложности. Консорциум T2T описал консервативную стратегию полировки, которая позволяет не вносить ошибки в повторы [49]. Merfin отбирает предлагаемые исправления по согласованности k-меров с прочтениями [50], а DeepPolisher применяет модель-трансформер к фазированным выравниваниям HiFi [51].</p>
        <p>Качество сборки имеет несколько независимых измерений, и ни один показатель не отражает их все:</p>
        <p>Непрерывность: N50 или NG50 контигов и скаффолдов, а также число хромосом, собранных от теломеры до теломеры.</p>
        <p>Полнота: консервативные однокопийные гены по BUSCO [52] или compleasm [53] и полнота по k-мерам.</p>
        <p>Точность на уровне оснований: оценки качества консенсуса (QV), получаемые без референса с помощью Merqury [54].</p>
        <p>Структурная корректность: сравнение с референсом в QUAST-LG [55] и выявление ошибок сборки по прочтениям с помощью Inspector [56] или Flagger [11].</p>
        <p>Фазирование: частота ошибок переключения и ошибок Хэмминга по родительским k-мерам [54].</p>
        <p>Полная диплоидная сборка генома HG002 теперь служит эталоном с почти идеальной точностью на 99,4% генома, по которому можно оценивать прочтения, наборы вариантов и сборки [57].</p>
      </sec>
      <sec id="s2-12">
        <title>2.6 Современное состояние и нерешённые проблемы</title>
        <p>Почти полные диплоидные сборки генома человека стали обычной практикой. Консорциум Human Genome Structural Variation Consortium собрал 130 гаплотипов 65 человек с медианной непрерывностью 130 Мб, закрыл 92% пробелов прежних сборок и довёл 39% хромосом до уровня «от теломеры до теломеры» [58]. Появляются и популяционно-специфичные T2T-референсы, например T2T-YAO для китайцев хань [59].</p>
        <p>Ряд проблем остаётся нерешённым. Массивы рибосомной ДНК и самые крупные сателлитные массивы по-прежнему не собираются автоматически. Для сверхдлинных библиотек требуются большие количества высокомолекулярной ДНК, которую редко удаётся получить из клинических образцов. Узким местом остаётся ручная курация, а методы для анеуплоидных, полиплоидных и опухолевых геномов отстают от методов для обычных диплоидных образцов. Характерные инструменты приведены в таблице 1.</p>
        <p><bold>Таблица 1. Характерные инструменты для сборки геномов и оценки сборок.</bold></p>
        <table-wrap id="tbl2" position="float">
          <label>Table 2</label>
          <table><thead><tr><th>Этап</th><th>Инструмент</th><th>Входные данные</th><th>Основная идея</th><th>Ссылка</th></tr></thead><tbody><tr><td>Сборка контигов</td><td>Canu / HiCanu</td><td>PacBio CLR, ONT, HiFi</td><td>Коррекция, обрезка и сборка на основе перекрытий; сжатие гомополимеров для HiFi</td><td>[21, 28]</td></tr><tr><td>Сборка контигов</td><td>Flye</td><td>PacBio CLR, ONT, HiFi</td><td>Графы повторов, построенные из дисджойнтигов</td><td>[24]</td></tr><tr><td>Сборка контигов</td><td>Shasta</td><td>ONT</td><td>Кодирование длин серий и поиск перекрытий по маркерам; очень высокая скорость</td><td>[26]</td></tr><tr><td>Сборка контигов</td><td>wtdbg2</td><td>PacBio CLR, ONT</td><td>Нечёткий граф де Брёйна</td><td>[25]</td></tr><tr><td>Сборка контигов</td><td>La Jolla Assembler</td><td>HiFi</td><td>Мультиплексный граф де Брёйна</td><td>[30]</td></tr><tr><td>Фазированная сборка</td><td>hifiasm</td><td>HiFi, с данными трио, Hi-C или сверхдлинными ONT</td><td>Фазированный строковый граф; контиги с разрешёнными гаплотипами</td><td>[29, 34, 41]</td></tr><tr><td>Фазированная сборка</td><td>hifiasm (ONT)</td><td>Симплексные ONT</td><td>Сборка, близкая к T2T, без сверхдлинных прочтений</td><td>[37]</td></tr><tr><td>Сборка T2T</td><td>Verkko / Verkko2</td><td>HiFi или исправленные ONT, сверхдлинные ONT, трио или Hi-C</td><td>Граф HiFi, разрешаемый выравниваниями ONT и обходами по гаплотипам</td><td>[32, 33]</td></tr><tr><td>Коррекция прочтений</td><td>HERRO</td><td>Сверхдлинные симплексные ONT</td><td>Коррекция на основе глубокого обучения с учётом гаплотипов</td><td>[36]</td></tr><tr><td>Удаление гаплотигов</td><td>purge_dups</td><td>Первичная сборка и прочтения</td><td>Удаляет гаплотипические дупликации по глубине покрытия и самовыравниванию</td><td>[38]</td></tr><tr><td>Скаффолдинг</td><td>3D-DNA, SALSA2, YaHS</td><td>Контиги и Hi-C</td><td>Упорядочение и ориентация по частоте контактов</td><td>[43–45]</td></tr><tr><td>Полировка</td><td>Merfin, DeepPolisher</td><td>Сборка и прочтения</td><td>Проверка правок по k-мерам; коррекция на основе трансформера</td><td>[50, 51]</td></tr><tr><td>Оценка</td><td>Merqury</td><td>Сборка и k-меры прочтений</td><td>QV, полнота и фазирование без референса</td><td>[54]</td></tr><tr><td>Оценка</td><td>BUSCO, compleasm</td><td>Сборка</td><td>Консервативные однокопийные ортологи</td><td>[52, 53]</td></tr><tr><td>Оценка</td><td>QUAST-LG, Inspector</td><td>Сборка, референс или прочтения</td><td>Выявление ошибок сборки и структурных ошибок</td><td>[55, 56]</td></tr></tbody></table>
        </table-wrap>
      </sec>
      <sec id="s2-13">
        <title>2.1 Алгоритмдік негіздер</title>
        <p>De novo құрастыру кезінде оқылымдар арасындағы қабаттасулар анықталып, қайталанулар шешіледі де, соның негізінде хромосомалар қалпына келтіріледі. Құрастырғыштардың барлығы дерлік графтың үш түрінің біріне сүйенеді: оқылымдар төбелер, ал қабаттасулар қабырғалар болатын «қабаттасу–орналастыру–консенсус» тәсілі; оқылымдар k-мерлерге бөлінетін де Брёйн графтары [17]; артық қабаттасуларды алып тастап, геномды ықшам түрде бейнелейтін жолдық графтар (string graphs) [18]. SPAdes [19] сияқты де Брёйн графына негізделген құрастырғыштар қысқа оқылымдар мен шағын геномдар үшін әлі де стандарт болып қала береді. Алайда адам геномында оқылымнан немесе кірістірме ұзындығынан ұзын қайталанулар қысқа оқылымдардан алынған жинақтарды мыңдаған контигке бөлшектейді және дупликацияланған тізбектерді бір көшірмеге біріктіріп жібереді.</p>
        <p>Қайталануды тек оны толық қамтитын немесе оның көшірмелері арасындағы айырмашылықтарды қамтитын оқылымдар ғана шеше алады. Сондықтан жинақтың үзіліссіздігінің шегін қамту тереңдігінен гөрі оқылымдардың ұзындығы мен дәлдігі айқындайды [20].</p>
      </sec>
      <sec id="s2-14">
        <title>2.2 Қателігі көп ұзын оқылымдарды құрастыру</title>
        <p>PacBio платформасының алғашқы үздіксіз ұзын оқылымдары (CLR) мен ONT оқылымдарындағы қателер үлесі 5–15% болды, сондықтан құрастырғыштар граф құрмас бұрын қателерге төзімді болуға немесе оларды жоюға мәжбүр еді. Canu оқылымдарды түзетіп, қиып, содан кейін құрастырады, бұл ретте қайталанатын қабаттасулардың салмағын азайту үшін k-мерлерді бейімделгіш түрде салмақтайды [21]. FALCON-Unzip гаплотиптерді фазаланған блоктарға бөлетін, диплоидтылықты ескеретін құрастыруды енгізді [22]. Miniasm түзету кезеңін мүлде өткізіп жіберуге болатынын көрсетті [23], Flye қателігі бар дизъюнктигтерден қайталанулар графын құрады [24], ал wtdbg2 жұмыс уақытын қысқарту үшін анық емес (fuzzy) де Брёйн графтарын қолданады [25]. Shasta ұзындықтар сериясын кодтауға (run-length encoding) және оқылымдарды маркерлер арқылы бейнелеуге сүйеніп, адам геномын нанопоралық деректерден бірнеше сағат ішінде құрастырады [26].</p>
        <p>Нуклеотидтік деңгейде жеткілікті дәлдікке жету үшін бұл әдістердің бәрі консенсусты жетілдіруді, мысалы Racon көмегімен [27], қажет етеді. Олар ондаған мегабаза ұзындықтағы контигтер береді, бірақ әдетте сегменттік дупликациялар мен сателлиттік массивтерді бір көшірмеге біріктіріп жібереді.</p>
      </sec>
      <sec id="s2-15">
        <title>2.3 Жоғары дәлдікті оқылымдар және теломерадан теломераға дейінгі құрастыру</title>
        <p>HiFi оқылымдары қайталанулардың бірдей дерлік көшірмелерін де, диплоидты геномның екі гаплотипін де ажыратуға мүмкіндік берді. HiCanu гомополимерлерді сығу және қабаттасуларды қатаң сүзу арқылы Canu құралын HiFi деректеріне бейімдеді [28]. Hifiasm екі гаплотипті біріктіріп жібермей, екеуін де сақтайтын фазаланған құрастыру графын құрады және қазір HiFi деректері үшін ең кең қолданылатын құрастырғыш болып табылады [29]. La Jolla Assembler дәл осы мәселеге k мәні өте үлкен мультиплексті де Брёйн графтарын қолданады [30].</p>
        <p>T2T-CHM13 геномын құрастыруда HiFi оқылымдарының жолдық графы қалған қайталануларды шешуге пайдаланылған аса ұзын ONT оқылымдарымен біріктірілді; бұған іс жүзінде гаплоидты CHM13 жасушалық линиясының қолданылуы да септігін тигізді [4, 31]. Verkko бұл стратегияны автоматтандырды: ол HiFi негізіндегі граф құрады, оған ONT оқылымдарын туралайды және әр гаплотиптің граф бойындағы жолын анықтау үшін трио немесе Hi-C деректерін пайдаланады [32]. Verkko2 қайталануларды шешуді және үзілістерді жабуды жақсартады, сондай-ақ жақындық бойынша лигирлеу (proximity ligation) деректері негізінде фазалау мен скаффолдингті қосады [33]. Hifiasm аса ұзын оқылымдарды біріктіретін «қос граф» арқылы ұқсас жолмен жүреді [34].</p>
        <p>Екі секвенирлеу платформасының қажет болуы құнды да, қажетті ДНҚ мөлшерін де арттырады, сондықтан бірнеше зерттеу тобы бұл талаптан арылуға тырысты. Pore-C деректерімен біріктірілген ONT дуплексті оқылымдары тек нанопоралық деректердің өзінен адам мен өсімдіктердің үзіліссіз хромосомаларын алуға мүмкіндік берді [35]. HERRO аса ұзын симплексті оқылымдарды гаплотиптерді ескеретін терең оқыту әдісімен түзетеді, соның арқасында оларды HiFi деректеріне арналған құралдармен құрастыруға болады [36]. Hifiasm (ONT) аса ұзын кітапханаларсыз, стандартты симплексті оқылымдардан T2T деңгейіне жақын үзіліссіздікке жетеді [37].</p>
      </sec>
      <sec id="s2-16">
        <title>2.4 Гаплотиптерді фазалау және скаффолдинг</title>
        <p>Диплоидты жинақ біріктірілген (collapsed), псевдогаплотипті (негізгі жинақ және оған қосымша балама контигтер; ол purge_dups сияқты құралдармен тазартылады [38]) немесе толық фазаланған болуы мүмкін. Толық фазалау үшін алыс қашықтықтағы байланыс туралы ақпарат қажет. Трио-биннинг оқылымдарды немесе граф жолдарын ата-анаға тән k-мерлер арқылы бөледі [39]. Ата-ана үлгілері қолжетімсіз болғанда, хромосома ауқымындағы гаплотиптерді Hi-C контактілері [40, 41] немесе жеке жасушалардың Strand-seq деректері [42] береді.</p>
        <p>Hi-C сонымен қатар скаффолдингке қажетті ақпараттың әдеттегі көзі болып табылады. 3D-DNA [43], SALSA2 [44] және YaHS [45] контигтерді ретке келтіріп, бағыттайды, ал нәтиже әдетте Juicebox бағдарламасында қолмен тексеріліп, түзетіледі [46]. Vertebrate Genomes Project жобасы мен HPRC консорциумы осы кезеңдерді біріктіретін және оларға тән қате түрлерін сипаттайтын толық конвейерлерді жариялады [47, 48].</p>
      </sec>
      <sec id="s2-17">
        <title>2.5 Жинақты жетілдіру және сапаны бағалау</title>
        <p>Тіпті T2T жинақтарында да қалдық қателер болады; олардың көпшілігі — гомополимерлер мен күрделілігі төмен тізбектердегі шағын инделдер. T2T консорциумы қайталануларға жаңа қате енгізуден сақтайтын консервативті жетілдіру стратегиясын сипаттады [49]. Merfin ұсынылған түзетулерді оқылымдардағы k-мерлермен сәйкестігі бойынша сүзеді [50], ал DeepPolisher фазаланған HiFi туралауларына трансформер моделін қолданады [51].</p>
        <p>Жинақ сапасының бір-бірінен тәуелсіз бірнеше өлшемі бар және оларды бір ғана көрсеткішпен сипаттау мүмкін емес:</p>
        <p>Үзіліссіздік: контигтер мен скаффолдтардың N50 немесе NG50 мәндері және теломерадан теломераға дейін құрастырылған хромосомалар саны.</p>
        <p>Толықтық: BUSCO [52] немесе compleasm [53] көмегімен бағаланатын консервативті бір көшірмелі гендер және k-мерлер бойынша толықтық.</p>
        <p>Нуклеотидтік дәлдік: Merqury құралы референссіз есептейтін консенсус сапасының мәндері (QV) [54].</p>
        <p>Құрылымдық дұрыстық: QUAST-LG көмегімен референспен салыстыру [55] және Inspector [56] немесе Flagger [11] көмегімен құрастыру қателерін оқылымдар бойынша анықтау.</p>
        <p>Фазалау: ата-ана k-мерлері бойынша есептелетін ауысу (switch) қателері мен Хэмминг қателерінің жиілігі [54].</p>
        <p>HG002 геномының толық диплоидты жинағы қазір геномның 99,4%-ында мінсіз дерлік дәлдікке ие эталон болып табылады; оның көмегімен оқылымдарды, анықталған нұсқаларды және жинақтарды бағалауға болады [57].</p>
      </sec>
      <sec id="s2-18">
        <title>2.6 Қазіргі жағдай және шешілмеген мәселелер</title>
        <p>Адамның толыққа жуық диплоидты жинақтарын алу қазір үйреншікті іске айналды. Адам геномының құрылымдық өзгергіштігі консорциумы (Human Genome Structural Variation Consortium) 65 адамның 130 гаплотипін медианалық үзіліссіздігі 130 Мб болатындай етіп құрастырды, бұрынғы жинақтардағы үзілістердің 92%-ын жапты және хромосомалардың 39%-ын теломерадан теломераға дейін аяқтады [58]. Сондай-ақ белгілі бір популяцияларға арналған T2T референстері, мысалы хань қытайларына арналған T2T-YAO [59], пайда болуда.</p>
        <p>Бірқатар мәселе әлі шешілген жоқ. Рибосомалық ДНҚ массивтері мен ең ірі сателлиттік массивтер әзірге автоматты түрде құрастырылмайды. Аса ұзын кітапханалар үшін жоғары молекулалы ДНҚ-ның көп мөлшері қажет, ал оны клиникалық үлгілерден алу сирек мүмкін болады. Қолмен курациялау бұрынғыдай тар орын болып қалуда, ал анеуплоидты, полиплоидты және ісік геномдарына арналған әдістер қалыпты диплоидты үлгілерге арналған әдістерден артта қалып отыр. Негізгі құралдар 1-кестеде келтірілген.</p>
        <p><bold>1-кесте. Геномды құрастыруға және жинақтарды бағалауға арналған негізгі құралдар.</bold></p>
        <table-wrap id="tbl3" position="float">
          <label>Table 3</label>
          <table><thead><tr><th>Кезең</th><th>Құрал</th><th>Кіріс деректері</th><th>Негізгі идея</th><th>Дереккөз</th></tr></thead><tbody><tr><td>Контигтерді құрастыру</td><td>Canu / HiCanu</td><td>PacBio CLR, ONT, HiFi</td><td>Түзету, қию және қабаттасуларға негізделген құрастыру; HiFi үшін гомополимерлерді сығу</td><td>[21, 28]</td></tr><tr><td>Контигтерді құрастыру</td><td>Flye</td><td>PacBio CLR, ONT, HiFi</td><td>Дизъюнктигтерден құрылатын қайталанулар графтары</td><td>[24]</td></tr><tr><td>Контигтерді құрастыру</td><td>Shasta</td><td>ONT</td><td>Ұзындықтар сериясын кодтау және маркерлерге негізделген қабаттасу; өте жылдам</td><td>[26]</td></tr><tr><td>Контигтерді құрастыру</td><td>wtdbg2</td><td>PacBio CLR, ONT</td><td>Анық емес (fuzzy) де Брёйн графы</td><td>[25]</td></tr><tr><td>Контигтерді құрастыру</td><td>La Jolla Assembler</td><td>HiFi</td><td>Мультиплексті де Брёйн графы</td><td>[30]</td></tr><tr><td>Фазаланған құрастыру</td><td>hifiasm</td><td>HiFi; трио, Hi-C немесе аса ұзын ONT деректерімен бірге</td><td>Фазаланған жолдық граф; гаплотиптер бойынша ажыратылған контигтер</td><td>[29, 34, 41]</td></tr><tr><td>Фазаланған құрастыру</td><td>hifiasm (ONT)</td><td>ONT симплексті оқылымдары</td><td>Аса ұзын оқылымдарсыз T2T деңгейіне жақын құрастыру</td><td>[37]</td></tr><tr><td>T2T құрастыру</td><td>Verkko / Verkko2</td><td>HiFi немесе түзетілген ONT, аса ұзын ONT, трио немесе Hi-C</td><td>ONT туралаулары және гаплотип жолдары арқылы шешілетін HiFi графы</td><td>[32, 33]</td></tr><tr><td>Оқылымдарды түзету</td><td>HERRO</td><td>ONT аса ұзын симплексті оқылымдары</td><td>Гаплотиптерді ескеретін терең оқытуға негізделген түзету</td><td>[36]</td></tr><tr><td>Гаплотигтерді тазарту</td><td>purge_dups</td><td>Негізгі жинақ және оқылымдар</td><td>Гаплотиптік қайталануды қамту тереңдігі және өзін-өзі туралау бойынша жояды</td><td>[38]</td></tr><tr><td>Скаффолдинг</td><td>3D-DNA, SALSA2, YaHS</td><td>Контигтер және Hi-C</td><td>Контактілер жиілігі бойынша ретке келтіру және бағыттау</td><td>[43–45]</td></tr><tr><td>Жинақты жетілдіру</td><td>Merfin, DeepPolisher</td><td>Жинақ және оқылымдар</td><td>Түзетулерді k-мерлер бойынша тексеру; трансформерге негізделген түзету</td><td>[50, 51]</td></tr><tr><td>Бағалау</td><td>Merqury</td><td>Жинақ және оқылымдардың k-мерлері</td><td>Референссіз QV, толықтық және фазалау бағасы</td><td>[54]</td></tr><tr><td>Бағалау</td><td>BUSCO, compleasm</td><td>Жинақ</td><td>Консервативті бір көшірмелі ортологтар</td><td>[52, 53]</td></tr><tr><td>Бағалау</td><td>QUAST-LG, Inspector</td><td>Жинақ, референс немесе оқылымдар</td><td>Құрастыру қателері мен құрылымдық қателерді анықтау</td><td>[55, 56]</td></tr></tbody></table>
        </table-wrap>
      </sec>
    </sec>
    <sec id="s3">
      <title>3. Analysis of genomes, polymorphism and rare variants</title>
      <sec id="s3-1">
        <title>3.1 From reads to small variants</title>
        <p>Most human genomes are still analysed by resequencing: reads are aligned to a reference, variants are called and filtered, and the calls are annotated. BWA and BWA-MEM are the standard aligners for short reads [60, 61]. Minimap2 fills the same role for long reads and assemblies [62, 63], and Winnowmap2 improves placement in repetitive sequence [64]. SAMtools and BCFtools handle alignment and variant files [65], and the Genome Analysis Toolkit supplies a widely used framework for duplicate marking, recalibration and calling [66, 67]. DRAGEN combines hardware acceleration, multigenome mapping and machine-learning-based calling of all variant classes in one pipeline [68].</p>
        <p>For single-nucleotide variants (SNVs) and short indels, haplotype-based callers have been joined by deep-learning methods. DeepVariant classifies candidate sites from pileup images with a convolutional network [69] and scales to cohorts through joint genotyping with GLnexus [70]. Clair3 [71] and PEPPER-Margin-DeepVariant [72] bring comparable accuracy to long reads by using haplotype information during calling.</p>
        <p>Benchmarking relies on the Genome in a Bottle samples and standard comparison tools [73]. The precisionFDA Truth Challenge V2 and the benchmark for challenging medically relevant genes showed that most remaining errors fall in segmental duplications, low-complexity sequence and other difficult regions [74, 75]. The complete diploid HG002 benchmark extends evaluation to the whole genome [57].</p>
        <p>The reference itself affects accuracy. Mapping 3,202 samples of the 1000 Genomes Project to T2T-CHM13 instead of GRCh38 removed tens of thousands of spurious variants per sample and reduced false positives in 269 medically relevant genes by up to 12-fold [76]. Many disease-relevant genes lie in regions that are dark or camouflaged for short reads [77]; long reads and pangenome references (Section 4) are the main routes to recovering them.</p>
      </sec>
      <sec id="s3-2">
        <title>3.2 Structural variants</title>
        <p>Structural variants (SVs; 50 bp or longer) affect more bases per genome than SNVs. A multi-platform study found about 27,600 SVs per genome, three to seven times more than standard short-read analyses detect [78].</p>
        <p>Short-read callers combine discordant read pairs, split reads, read depth and local assembly. DELLY [79], LUMPY [80] and Manta [81] are common choices. Their sensitivity is limited for insertions and for variants inside repeats, and results differ considerably between tools [82–84]. Short-read population references such as the 1000 Genomes Project SV map [85] nevertheless remain valuable for filtering. gnomAD-SV catalogued 433,371 SVs in 14,891 genomes and estimated that SVs cause 25–29% of rare protein-truncating events per genome [86].</p>
        <p>Long reads resolve most SVs directly. Alignment-based callers include Sniffles and Sniffles2, which also handles mosaic and population-level calling [87, 88], cuteSV [89] and SVIM [90]. Assembly-based discovery with SMRT-SV [91] or PAV compares phased assemblies to the reference; PAV identified 107,590 SVs in 64 haplotypes, 68% of which had not been found with short reads [92]. Jasmine [93] and Truvari [94] merge and compare call sets, and a Genome in a Bottle benchmark supports evaluation of large insertions and deletions [95].</p>
        <p>Long-read sequencing of population panels is now under way. Nanopore sequencing of 1000 Genomes Project samples has yielded more than 100,000 sequence-resolved biallelic SVs and genotypes for 300,000 multiallelic tandem repeats in 1,019 individuals from 26 populations [96, 97]. Scalable protocols also make nanopore-only analysis of single genomes practical [98].</p>
      </sec>
      <sec id="s3-3">
        <title>3.3 Phasing, imputation and reference panels</title>
        <p>Haplotype phase is needed to interpret compound heterozygosity, to impute missing genotypes and to infer genealogies. Read-based phasing with WhatsHap [99] or HiPhase, which phases small variants, SVs and tandem repeats jointly from HiFi data [100], yields blocks limited by read length and heterozygosity. Statistical phasing with SHAPEIT4 [101], Beagle [102] or SHAPEIT5 uses haplotype sharing across a cohort. SHAPEIT5 keeps switch error rates below 5% even for variants seen once in 100,000 samples, which makes rare compound heterozygous events tractable [103]. GLIMPSE imputes genotypes from low-coverage sequencing [104].</p>
        <p>These methods depend on reference panels. Widely used open panels include the 1000 Genomes Project [105] and its high-coverage extension to 3,202 samples with 602 trios [106], the Human Genome Diversity Project [107], the Simons Genome Diversity Project [108] and TOPMed [109].</p>
      </sec>
      <sec id="s3-4">
        <title>3.4 Rare variants: discovery, annotation and association</title>
        <p>Most human variants are rare. Among more than 400 million variants found in 53,831 TOPMed genomes, 97% had frequencies below 1% and 46% were singletons [109]. The first 150,119 UK Biobank genomes contained 585 million SNVs, about 7% of all possible single-nucleotide changes [110]; the resource now includes 490,640 genomes [14]. The All of Us programme reported more than 1 billion variants in 245,388 genomes, over 275 million of them previously unreported [13]. Aggregated allele frequencies from ExAC and gnomAD are the standard filter in rare-disease diagnostics [111–113].</p>
        <p>Functional annotation starts with consequence prediction by the Ensembl Variant Effect Predictor [114], SnpEff [115] or ANNOVAR [116], and with clinical assertions from ClinVar [117]. Predictive scores add evidence for variants that have never been observed in patients: CADD integrates many annotations [118], SpliceAI predicts splicing effects from sequence [119], AlphaMissense scores missense changes [120] and AlphaGenome targets regulatory variants [121]. Constraint metrics derived from the depletion of variation in large cohorts indicate which genes and non-coding regions are intolerant to change [112, 113]. Clinical classification combines these lines of evidence under the ACMG/AMP guidelines [122].</p>
        <p>Single-variant association tests have little power at low allele counts, so rare variants are tested jointly within genes or regions. Burden tests collapse variants into one score, the sequence kernel association test (SKAT) allows opposite effect directions, and SKAT-O combines both [123–125]. At biobank scale, SAIGE-GENE and SAIGE-GENE+ [126, 127] and REGENIE [128] control for relatedness and case–control imbalance, and they have been applied to hundreds of thousands of exomes [129]. STAAR and STAARpipeline incorporate functional annotations and extend testing to non-coding regions [130, 131].</p>
        <p>De novo mutations are the rarest class of variation and are identified in trios or larger pedigrees. Early work established the strong effect of paternal age on the number of de novo SNVs [132], and family-based sequencing has since measured de novo SV rates [133]. Near-complete assembly of a four-generation, 28-member family raised the estimate to 98–206 de novo events per transmission once tandem repeats, centromeres and other difficult regions were included [134].</p>
      </sec>
      <sec id="s3-5">
        <title>3.5 Population-genetic and evolutionary inference</title>
        <p>Variant call sets feed several families of evolutionary analysis:</p>
        <p>Population structure and admixture: principal component analysis [135], ADMIXTURE [136], PLINK 2 [137], ANGSD for low-coverage data [138], RFMix for local ancestry [139] and f-statistics in ADMIXTOOLS [140].</p>
        <p>Demographic history: sequentially Markovian coalescent methods such as PSMC [141], MSMC [142] and SMC++ [143], and site-frequency-spectrum methods such as dadi [144] and fastsimcoal2 [145].</p>
        <p>Genome-wide genealogies: ARGweaver [146], Relate [147], tsinfer [148], ARG-Needle [149] and SINGER [150] infer ancestral recombination graphs at increasing scale, and a unified genealogy now links modern and ancient genomes [151].</p>
        <p>Positive selection: haplotype-based statistics such as iHS [152] and XP-EHH [153], implemented in selscan [154], and the singleton density score for very recent adaptation [155].</p>
        <p>Archaic introgression: comparison with Neanderthal genomes [156, 157] and reference-free detection of introgressed segments [158, 159].</p>
        <p>All of these analyses inherit the biases of the underlying data. Many populations are still poorly represented in reference panels and frequency databases. For Central Asia, for example, published whole-genome data remain limited to small studies such as five high-coverage Kazakh genomes [160, 161], which constrains imputation accuracy and frequency-based filtering for patients from the region. Table 2 summarizes the main tools.</p>
        <table-wrap id="tbl4" position="float">
          <label>Table 2</label>
          <caption><p><bold>Representative tools for variant discovery, annotation and population analysis.</bold></p></caption>
          <table><thead><tr><th>Task</th><th>Tools</th><th>Notes</th><th>References</th></tr></thead><tbody><tr><td>Short-read alignment</td><td>BWA, BWA-MEM, DRAGEN</td><td>Burrows–Wheeler indexing; DRAGEN adds multigenome mapping</td><td>[60, 61, 68]</td></tr><tr><td>Long-read alignment</td><td>minimap2, Winnowmap2</td><td>Minimizer seeding and chaining; weighted minimizers for repeats</td><td>[62, 64]</td></tr><tr><td>SNV and indel calling</td><td>GATK, DeepVariant with GLnexus, Clair3, PEPPER-Margin-DeepVariant</td><td>Haplotype-based and deep-learning callers for short and long reads</td><td>[67, 69–72]</td></tr><tr><td>SV calling, short reads</td><td>DELLY, LUMPY, Manta</td><td>Paired-end, split-read and assembly evidence</td><td>[79–81]</td></tr><tr><td>SV calling, long reads</td><td>Sniffles2, cuteSV, SVIM, PAV</td><td>Alignment-based and assembly-based discovery</td><td>[88–90, 92]</td></tr><tr><td>SV merging and comparison</td><td>Jasmine, Truvari</td><td>Population-scale merging; benchmarking</td><td>[93, 94]</td></tr><tr><td>Phasing and imputation</td><td>WhatsHap, HiPhase, SHAPEIT5, Beagle, GLIMPSE</td><td>Read-based and statistical phasing; low-coverage imputation</td><td>[99, 100, 102–104]</td></tr><tr><td>Annotation</td><td>VEP, SnpEff, ANNOVAR</td><td>Consequence prediction against gene models</td><td>[114–116]</td></tr><tr><td>Effect prediction</td><td>CADD, SpliceAI, AlphaMissense, AlphaGenome</td><td>Integrative, splicing, missense and regulatory scores</td><td>[118–121]</td></tr><tr><td>Rare-variant association</td><td>SKAT and SKAT-O, SAIGE-GENE+, REGENIE, STAAR</td><td>Set-based tests; mixed models for biobanks; annotation-informed tests</td><td>[123, 124, 127, 128, 130]</td></tr><tr><td>Demography</td><td>PSMC, MSMC, SMC++, dadi, fastsimcoal2</td><td>Coalescent and frequency-spectrum inference</td><td>[141–145]</td></tr><tr><td>Genealogy inference</td><td>Relate, tsinfer, ARG-Needle, SINGER</td><td>Ancestral recombination graphs</td><td>[147–150]</td></tr><tr><td>Selection scans</td><td>selscan (iHS, XP-EHH), SDS</td><td>Haplotype homozygosity; singleton density</td><td>[154, 155]</td></tr></tbody></table>
        </table-wrap>
      </sec>
      <sec id="s3-6">
        <title>3.1 От прочтений к малым вариантам</title>
        <p>Большинство геномов человека по-прежнему анализируют методом ресеквенирования: прочтения выравнивают на референс, варианты выявляют и фильтруют, а полученные результаты аннотируют. Стандартные программы выравнивания коротких прочтений — BWA и BWA-MEM [60, 61]. Для длинных прочтений и сборок ту же роль выполняет minimap2 [62, 63], а Winnowmap2 улучшает размещение прочтений в повторяющихся последовательностях [64]. SAMtools и BCFtools предназначены для работы с файлами выравниваний и вариантов [65], а Genome Analysis Toolkit предоставляет широко используемую инфраструктуру для маркировки дубликатов, рекалибровки и выявления вариантов [66, 67]. DRAGEN объединяет в одном конвейере аппаратное ускорение, мультигеномное картирование и выявление вариантов всех классов на основе машинного обучения [68].</p>
        <p>Для однонуклеотидных вариантов (SNV) и коротких инделов программы, основанные на гаплотипах, были дополнены методами глубокого обучения. DeepVariant классифицирует сайты-кандидаты по изображениям выровненных прочтений (pileup) с помощью свёрточной сети [69] и масштабируется на когорты за счёт совместного генотипирования в GLnexus [70]. Clair3 [71] и PEPPER-Margin-DeepVariant [72] обеспечивают сопоставимую точность для длинных прочтений, используя информацию о гаплотипах при выявлении вариантов.</p>
        <p>Сравнительная оценка опирается на образцы Genome in a Bottle и стандартные инструменты сравнения [73]. Конкурс precisionFDA Truth Challenge V2 и эталон для сложных медицински значимых генов показали, что большинство оставшихся ошибок приходится на сегментные дупликации, последовательности низкой сложности и другие трудные участки [74, 75]. Полный диплоидный эталон HG002 распространяет оценку на весь геном [57].</p>
        <p>На точность влияет и сам референс. Картирование 3 202 образцов проекта «1000 геномов» на T2T-CHM13 вместо GRCh38 устранило десятки тысяч ложных вариантов на образец и снизило число ложноположительных результатов в 269 медицински значимых генах до 12 раз [76]. Многие гены, связанные с заболеваниями, лежат в участках, «тёмных» или «замаскированных» для коротких прочтений [77]; основные пути к их восстановлению — длинные прочтения и пангеномные референсы (раздел 4).</p>
      </sec>
      <sec id="s3-7">
        <title>3.2 Структурные варианты</title>
        <p>Структурные варианты (SV; 50 п.н. и более) затрагивают в каждом геноме больше оснований, чем SNV. В исследовании с использованием нескольких платформ обнаружено около 27 600 SV на геном — в три–семь раз больше, чем выявляют стандартные методы анализа коротких прочтений [78].</p>
        <p>Программы выявления SV по коротким прочтениям сочетают сигналы дискордантных пар прочтений, расщеплённых прочтений, глубины покрытия и локальной сборки. Часто используют DELLY [79], LUMPY [80] и Manta [81]. Их чувствительность ограничена для вставок и для вариантов внутри повторов, а результаты разных инструментов заметно расходятся [82–84]. Тем не менее популяционные референсные наборы, полученные по коротким прочтениям, такие как карта SV проекта «1000 геномов» [85], сохраняют ценность для фильтрации. В gnomAD-SV каталогизирован 433 371 SV в 14 891 геноме; по оценке авторов, на SV приходится 25–29% редких событий, приводящих к укорочению белка, в каждом геноме [86].</p>
        <p>Длинные прочтения разрешают большинство SV напрямую. К программам, основанным на выравнивании, относятся Sniffles и Sniffles2 (последний также выявляет мозаичные варианты и работает на уровне популяций) [87, 88], cuteSV [89] и SVIM [90]. При поиске на основе сборок с помощью SMRT-SV [91] или PAV фазированные сборки сравнивают с референсом; PAV выявил 107 590 SV в 64 гаплотипах, 68% из которых не были найдены по коротким прочтениям [92]. Jasmine [93] и Truvari [94] объединяют и сравнивают наборы вариантов, а эталон Genome in a Bottle позволяет оценивать выявление крупных вставок и делеций [95].</p>
        <p>В настоящее время ведётся секвенирование популяционных панелей длинными прочтениями. Нанопоровое секвенирование образцов проекта «1000 геномов» дало более 100 000 биаллельных SV с установленной последовательностью и генотипы 300 000 мультиаллельных тандемных повторов у 1 019 человек из 26 популяций [96, 97]. Масштабируемые протоколы делают практически осуществимым и анализ отдельных геномов только по нанопоровым данным [98].</p>
      </sec>
      <sec id="s3-8">
        <title>3.3 Фазирование, импутация и референсные панели</title>
        <p>Фаза гаплотипов необходима для интерпретации компаунд-гетерозиготности, импутации отсутствующих генотипов и реконструкции генеалогий. Фазирование по прочтениям с помощью WhatsHap [99] или HiPhase, который совместно фазирует малые варианты, SV и тандемные повторы по данным HiFi [100], даёт блоки, размер которых ограничен длиной прочтений и гетерозиготностью. Статистическое фазирование с помощью SHAPEIT4 [101], Beagle [102] или SHAPEIT5 использует общие гаплотипы в пределах когорты. SHAPEIT5 удерживает частоту ошибок переключения ниже 5% даже для вариантов, встречающихся один раз на 100 000 образцов, что делает доступными для анализа редкие компаунд-гетерозиготные события [103]. GLIMPSE импутирует генотипы по данным секвенирования с низким покрытием [104].</p>
        <p>Эти методы зависят от референсных панелей. К широко используемым открытым панелям относятся проект «1000 геномов» [105] и его расширение с высоким покрытием до 3 202 образцов, включающее 602 трио [106], Human Genome Diversity Project [107], Simons Genome Diversity Project [108] и TOPMed [109].</p>
      </sec>
      <sec id="s3-9">
        <title>3.4 Редкие варианты: выявление, аннотация и ассоциации</title>
        <p>Большинство вариантов у человека редкие. Среди более чем 400 миллионов вариантов, найденных в 53 831 геноме TOPMed, 97% имели частоту ниже 1%, а 46% были синглетонами [109]. Первые 150 119 геномов UK Biobank содержали 585 миллионов SNV — около 7% всех возможных однонуклеотидных замен [110]; сейчас этот ресурс включает 490 640 геномов [14]. Программа All of Us сообщила более чем об 1 миллиарде вариантов в 245 388 геномах, из которых свыше 275 миллионов ранее не были описаны [13]. Агрегированные частоты аллелей из ExAC и gnomAD служат стандартным фильтром в диагностике редких заболеваний [111–113].</p>
        <p>Функциональная аннотация начинается с предсказания последствий вариантов с помощью Ensembl Variant Effect Predictor [114], SnpEff [115] или ANNOVAR [116] и с клинических заключений из ClinVar [117]. Предсказательные оценки добавляют данные для вариантов, которые никогда не наблюдались у пациентов: CADD интегрирует множество аннотаций [118], SpliceAI предсказывает влияние на сплайсинг по последовательности [119], AlphaMissense оценивает миссенс-замены [120], а AlphaGenome предназначен для регуляторных вариантов [121]. Метрики ограничений, выведенные из дефицита изменчивости в больших когортах, показывают, какие гены и некодирующие участки нетолерантны к изменениям [112, 113]. Клиническая классификация объединяет эти линии доказательств в соответствии с рекомендациями ACMG/AMP [122].</p>
        <p>Тесты ассоциации для отдельных вариантов имеют низкую мощность при малом числе аллелей, поэтому редкие варианты тестируют совместно в пределах генов или участков. Тесты нагрузки (burden) сводят варианты к одной оценке, тест ассоциации на основе ядра последовательности (SKAT) допускает противоположные направления эффектов, а SKAT-O сочетает оба подхода [123–125]. В масштабе биобанков SAIGE-GENE и SAIGE-GENE+ [126, 127] и REGENIE [128] учитывают родство и несбалансированность выборок «случай–контроль»; они были применены к сотням тысяч экзомов [129]. STAAR и STAARpipeline включают функциональные аннотации и распространяют тестирование на некодирующие участки [130, 131].</p>
        <p>Мутации de novo — самый редкий класс изменчивости; их выявляют в трио или более крупных родословных. Ранние работы установили сильное влияние возраста отца на число SNV de novo [132], а позднее семейное секвенирование позволило измерить частоту возникновения SV de novo [133]. Почти полная сборка геномов семьи из 28 человек в четырёх поколениях повысила оценку до 98–206 событий de novo на одну передачу генома потомку, когда были учтены тандемные повторы, центромеры и другие трудные участки [134].</p>
      </sec>
      <sec id="s3-10">
        <title>3.5 Популяционно-генетический и эволюционный анализ</title>
        <p>Наборы выявленных вариантов служат исходными данными для нескольких направлений эволюционного анализа:</p>
        <p>Популяционная структура и смешение: анализ главных компонент [135], ADMIXTURE [136], PLINK 2 [137], ANGSD для данных с низким покрытием [138], RFMix для локального происхождения [139] и f-статистики в ADMIXTOOLS [140].</p>
        <p>Демографическая история: методы последовательно-марковского коалесцента, такие как PSMC [141], MSMC [142] и SMC++ [143], и методы на основе частотного спектра сайтов, такие как dadi [144] и fastsimcoal2 [145].</p>
        <p>Полногеномные генеалогии: ARGweaver [146], Relate [147], tsinfer [148], ARG-Needle [149] и SINGER [150] реконструируют графы предковых рекомбинаций во всё большем масштабе, а единая генеалогия уже связывает современные и древние геномы [151].</p>
        <p>Положительный отбор: статистики на основе гаплотипов, такие как iHS [152] и XP-EHH [153], реализованные в selscan [154], и показатель плотности синглетонов (SDS) для выявления совсем недавней адаптации [155].</p>
        <p>Архаичная интрогрессия: сравнение с геномами неандертальцев [156, 157] и выявление интрогрессированных сегментов без референса [158, 159].</p>
        <p>Все эти виды анализа наследуют смещения исходных данных. Многие популяции до сих пор слабо представлены в референсных панелях и базах данных частот. Например, для Центральной Азии опубликованные полногеномные данные по-прежнему ограничены небольшими исследованиями, такими как пять казахских геномов с высоким покрытием [160, 161], что снижает точность импутации и возможности фильтрации по частотам для пациентов из этого региона. Основные инструменты сведены в таблице 2.</p>
        <p><bold>Таблица 2. Характерные инструменты для выявления и аннотации вариантов и популяционного анализа.</bold></p>
        <table-wrap id="tbl5" position="float">
          <label>Table 5</label>
          <table><thead><tr><th>Задача</th><th>Инструменты</th><th>Примечания</th><th>Ссылки</th></tr></thead><tbody><tr><td>Выравнивание коротких прочтений</td><td>BWA, BWA-MEM, DRAGEN</td><td>Индексирование на основе преобразования Барроуза–Уилера; DRAGEN добавляет мультигеномное картирование</td><td>[60, 61, 68]</td></tr><tr><td>Выравнивание длинных прочтений</td><td>minimap2, Winnowmap2</td><td>Затравки-минимайзеры и построение цепочек; взвешенные минимайзеры для повторов</td><td>[62, 64]</td></tr><tr><td>Выявление SNV и инделов</td><td>GATK, DeepVariant с GLnexus, Clair3, PEPPER-Margin-DeepVariant</td><td>Программы на основе гаплотипов и глубокого обучения для коротких и длинных прочтений</td><td>[67, 69–72]</td></tr><tr><td>Выявление SV, короткие прочтения</td><td>DELLY, LUMPY, Manta</td><td>Сигналы парных прочтений, расщеплённых прочтений и сборки</td><td>[79–81]</td></tr><tr><td>Выявление SV, длинные прочтения</td><td>Sniffles2, cuteSV, SVIM, PAV</td><td>Поиск на основе выравнивания и на основе сборок</td><td>[88–90, 92]</td></tr><tr><td>Объединение и сравнение SV</td><td>Jasmine, Truvari</td><td>Объединение в масштабе популяций; сравнительная оценка</td><td>[93, 94]</td></tr><tr><td>Фазирование и импутация</td><td>WhatsHap, HiPhase, SHAPEIT5, Beagle, GLIMPSE</td><td>Фазирование по прочтениям и статистическое фазирование; импутация при низком покрытии</td><td>[99, 100, 102–104]</td></tr><tr><td>Аннотация</td><td>VEP, SnpEff, ANNOVAR</td><td>Предсказание последствий относительно моделей генов</td><td>[114–116]</td></tr><tr><td>Предсказание эффекта</td><td>CADD, SpliceAI, AlphaMissense, AlphaGenome</td><td>Интегральные оценки, оценки для сплайсинга, миссенс-замен и регуляторных вариантов</td><td>[118–121]</td></tr><tr><td>Ассоциации редких вариантов</td><td>SKAT и SKAT-O, SAIGE-GENE+, REGENIE, STAAR</td><td>Тесты для наборов вариантов; смешанные модели для биобанков; тесты с учётом аннотаций</td><td>[123, 124, 127, 128, 130]</td></tr><tr><td>Демография</td><td>PSMC, MSMC, SMC++, dadi, fastsimcoal2</td><td>Вывод на основе коалесцента и частотного спектра</td><td>[141–145]</td></tr><tr><td>Реконструкция генеалогий</td><td>Relate, tsinfer, ARG-Needle, SINGER</td><td>Графы предковых рекомбинаций</td><td>[147–150]</td></tr><tr><td>Поиск следов отбора</td><td>selscan (iHS, XP-EHH), SDS</td><td>Гомозиготность гаплотипов; плотность синглетонов</td><td>[154, 155]</td></tr></tbody></table>
        </table-wrap>
      </sec>
      <sec id="s3-11">
        <title>3.1 Оқылымдардан шағын нұсқаларға дейін</title>
        <p>Адам геномдарының көпшілігі әлі күнге дейін ресеквенирлеу арқылы талданады: оқылымдар референске тураланады, нұсқалар анықталып, сүзіледі, содан кейін аннотацияланады. Қысқа оқылымдар үшін стандартты туралағыштар — BWA және BWA-MEM [60, 61]. Ұзын оқылымдар мен жинақтар үшін дәл осы қызметті minimap2 атқарады [62, 63], ал Winnowmap2 қайталанатын тізбектердегі орналастыруды жақсартады [64]. SAMtools және BCFtools туралау файлдарымен және нұсқалар файлдарымен жұмыс істейді [65], ал Genome Analysis Toolkit (GATK) дубликаттарды белгілеуге, сапаны қайта калибрлеуге және нұсқаларды анықтауға арналған кең қолданылатын ортаны ұсынады [66, 67]. DRAGEN аппараттық жеделдетуді, мультигеномдық карталауды және барлық нұсқа класын машиналық оқыту негізінде анықтауды бір конвейерге біріктіреді [68].</p>
        <p>Бір нуклеотидті нұсқалар (SNV) мен қысқа инделдер үшін гаплотиптерге негізделген анықтағыштарға терең оқыту әдістері қосылды. DeepVariant үміткер сайттарды оқылымдар бағанының (pileup) кескіндері бойынша үйірткілі нейрондық желі арқылы жіктейді [69] және GLnexus көмегімен бірлескен генотиптеу арқылы когорталар деңгейіне дейін масштабталады [70]. Clair3 [71] және PEPPER-Margin-DeepVariant [72] нұсқаларды анықтау кезінде гаплотиптер туралы ақпаратты пайдаланып, ұзын оқылымдар үшін де осыған шамалас дәлдікке жетеді.</p>
        <p>Салыстырмалы бағалау Genome in a Bottle үлгілеріне және стандартты салыстыру құралдарына сүйенеді [73]. precisionFDA Truth Challenge V2 байқауы мен талдауы қиын, медициналық маңызы бар гендерге арналған эталон қалған қателердің көпшілігі сегменттік дупликацияларға, күрделілігі төмен тізбектерге және басқа да қиын аймақтарға тиесілі екенін көрсетті [74, 75]. HG002 геномының толық диплоидты эталоны бағалауды бүкіл геномға кеңейтеді [57].</p>
        <p>Дәлдікке референстің өзі де әсер етеді. «1000 геном» жобасының 3 202 үлгісін GRCh38 орнына T2T-CHM13 жинағына карталау әр үлгідегі ондаған мың жалған нұсқаны жойды және медициналық маңызы бар 269 гендегі жалған оң нәтижелерді 12 есеге дейін азайтты [76]. Аурулармен байланысты көптеген гендер қысқа оқылымдар үшін «қараңғы» немесе «бүркемеленген» аймақтарда орналасқан [77]; оларды қалпына келтірудің негізгі жолдары — ұзын оқылымдар мен пангеномдық референстер (4-бөлім).</p>
      </sec>
      <sec id="s3-12">
        <title>3.2 Құрылымдық нұсқалар</title>
        <p>Құрылымдық нұсқалар (SV; 50 ж.н. және одан ұзын) бір геномда SNV-лерге қарағанда көбірек нуклеотидті қамтиды. Бірнеше платформаны қолданған зерттеу бір геномда шамамен 27 600 SV тапты, бұл қысқа оқылымдарды стандартты талдау анықтайтын мөлшерден үш–жеті есе көп [78].</p>
        <p>Қысқа оқылымдарға арналған анықтағыштар дискордантты оқылым жұптарын, бөлінген оқылымдарды, қамту тереңдігін және жергілікті құрастыруды біріктіріп пайдаланады. Жиі таңдалатын құралдар — DELLY [79], LUMPY [80] және Manta [81]. Олардың сезімталдығы инсерциялар мен қайталанулар ішіндегі нұсқалар үшін шектеулі, ал әртүрлі құралдардың нәтижелері бір-бірінен едәуір ерекшеленеді [82–84]. Соған қарамастан, қысқа оқылымдарға негізделген популяциялық анықтамалық жиынтықтар, мысалы «1000 геном» жобасының SV картасы [85], сүзу үшін әлі де құнды. gnomAD-SV дерекқоры 14 891 геномдағы 433 371 SV-ні каталогтады және бір геномдағы ақуызды қысқартатын сирек оқиғалардың 25–29%-ына SV-лер себеп болатынын бағалады [86].</p>
        <p>Ұзын оқылымдар SV-лердің көпшілігін тікелей анықтайды. Туралауға негізделген анықтағыштарға Sniffles және мозаикалық әрі популяциялық деңгейдегі анықтауды да қолдайтын Sniffles2 [87, 88], cuteSV [89] және SVIM [90] жатады. Жинақтарға негізделген іздеуде SMRT-SV [91] немесе PAV фазаланған жинақтарды референспен салыстырады; PAV 64 гаплотипте 107 590 SV анықтады, олардың 68%-ы қысқа оқылымдармен табылмаған еді [92]. Jasmine [93] және Truvari [94] нұсқалар жиынтықтарын біріктіріп, салыстырады, ал Genome in a Bottle эталоны ірі инсерциялар мен делецияларды бағалауға мүмкіндік береді [95].</p>
        <p>Популяциялық панельдерді ұзын оқылымдармен секвенирлеу қазір жүргізіліп жатыр. «1000 геном» жобасының үлгілерін нанопоралық секвенирлеу 26 популяцияның 1 019 адамында тізбегі толық анықталған 100 000-нан астам биаллельді SV-ні және 300 000 мультиаллельді тандемдік қайталанудың генотиптерін берді [96, 97]. Масштабталатын хаттамалар жекелеген геномдарды тек нанопоралық деректер бойынша талдауды да практикада қолжетімді етеді [98].</p>
      </sec>
      <sec id="s3-13">
        <title>3.3 Фазалау, импутация және референстік панельдер</title>
        <p>Гаплотиптік фаза компаундты гетерозиготалықты түсіндіру, жетіспейтін генотиптерді импутациялау және генеалогияларды қалпына келтіру үшін қажет. Оқылымдарға негізделген фазалау WhatsHap [99] немесе HiFi деректері бойынша шағын нұсқаларды, SV-лерді және тандемдік қайталануларды бірге фазалайтын HiPhase [100] көмегімен жүргізіледі; ол ұзындығы оқылым ұзындығымен және гетерозиготалықпен шектелетін блоктар береді. SHAPEIT4 [101], Beagle [102] немесе SHAPEIT5 көмегімен жүргізілетін статистикалық фазалау когорта ішіндегі ортақ гаплотиптерді пайдаланады. SHAPEIT5 тіпті 100 000 үлгіде бір-ақ рет кездесетін нұсқалар үшін де ауысу қателерінің жиілігін 5%-дан төмен деңгейде ұстайды, бұл сирек компаундты гетерозиготалық оқиғаларды талдауға мүмкіндік береді [103]. GLIMPSE генотиптерді қамту тереңдігі төмен секвенирлеу деректері бойынша импутациялайды [104].</p>
        <p>Бұл әдістер референстік панельдерге тәуелді. Кең қолданылатын ашық панельдерге «1000 геном» жобасы [105] және оның 602 трионы қамтитын 3 202 үлгіге дейін кеңейтілген, қамту тереңдігі жоғары нұсқасы [106], Human Genome Diversity Project [107], Simons Genome Diversity Project [108] және TOPMed [109] жатады.</p>
      </sec>
      <sec id="s3-14">
        <title>3.4 Сирек нұсқалар: анықтау, аннотация және ассоциация</title>
        <p>Адам геномындағы нұсқалардың басым бөлігі сирек кездеседі. TOPMed бағдарламасының 53 831 геномында табылған 400 миллионнан астам нұсқаның 97%-ының жиілігі 1%-дан төмен болды, ал 46%-ы бір-ақ рет кездесті (синглетондар) [109]. UK Biobank жобасының алғашқы 150 119 геномында 585 миллион SNV табылды, бұл — мүмкін болатын барлық бір нуклеотидті алмасулардың шамамен 7%-ы [110]; қазір бұл ресурс 490 640 геномды қамтиды [14]. All of Us бағдарламасы 245 388 геномда 1 миллиардтан астам нұсқа туралы хабарлады, олардың 275 миллионнан астамы бұрын сипатталмаған [13]. ExAC және gnomAD дерекқорларындағы аллельдердің жиынтық жиіліктері сирек ауруларды диагностикалауда стандартты сүзгі қызметін атқарады [111–113].</p>
        <p>Функционалдық аннотация Ensembl Variant Effect Predictor [114], SnpEff [115] немесе ANNOVAR [116] көмегімен нұсқаның салдарын болжаудан және ClinVar дерекқорындағы клиникалық қорытындылардан [117] басталады. Болжамдық бағалар пациенттерде бұрын-соңды байқалмаған нұсқалар үшін қосымша дәлел береді: CADD көптеген аннотацияны біріктіреді [118], SpliceAI сплайсингке әсерді тізбек бойынша болжайды [119], AlphaMissense миссенс-алмасуларды бағалайды [120], ал AlphaGenome реттеуші нұсқаларға бағытталған [121]. Ірі когорталардағы өзгергіштіктің тапшылығынан шығарылатын шектеу (constraint) көрсеткіштері қай гендер мен кодталмайтын аймақтардың өзгерістерге төзімсіз екенін көрсетеді [112, 113]. Клиникалық жіктеу осы дәлелдердің барлығын ACMG/AMP нұсқаулықтарына сәйкес біріктіреді [122].</p>
        <p>Аллель саны аз болғанда жекелеген нұсқалардың ассоциациясын тексеретін тесттердің қуаты төмен, сондықтан сирек нұсқалар гендер немесе аймақтар шегінде бірге тексеріледі. Жүктеме тесттері (burden tests) нұсқаларды бір көрсеткішке біріктіреді, тізбектік ядролық ассоциация тесті (SKAT) әсерлердің қарама-қарсы бағытта болуына жол береді, ал SKAT-O екі тәсілді де біріктіреді [123–125]. Биобанктер ауқымында SAIGE-GENE мен SAIGE-GENE+ [126, 127] және REGENIE [128] туыстықты әрі «жағдай–бақылау» топтарының теңгерімсіздігін ескереді; олар жүздеген мың экзомға қолданылды [129]. STAAR және STAARpipeline функционалдық аннотацияларды енгізіп, тестілеуді кодталмайтын аймақтарға кеңейтеді [130, 131].</p>
        <p>De novo мутациялар — өзгергіштіктің ең сирек класы; олар триоларда немесе одан ірі шежірелерде анықталады. Алғашқы жұмыстар әке жасының de novo SNV-лер санына күшті әсер ететінін анықтады [132], ал кейін отбасыларды секвенирлеу арқылы de novo SV-лердің жиілігі өлшенді [133]. Төрт ұрпақты қамтитын 28 мүшелі отбасы геномдарын толыққа жуық құрастыру тандемдік қайталанулар, центромералар және басқа да қиын аймақтар ескерілгенде бұл бағаны бір ұрпаққа берілу кезінде 98–206 de novo оқиғаға дейін көтерді [134].</p>
      </sec>
      <sec id="s3-15">
        <title>3.5 Популяциялық-генетикалық және эволюциялық талдау</title>
        <p>Нұсқалар жиынтықтары эволюциялық талдаудың бірнеше бағытына негіз болады:</p>
        <p>Популяциялық құрылым және араласу: басты компоненттер талдауы [135], ADMIXTURE [136], PLINK 2 [137], қамту тереңдігі төмен деректерге арналған ANGSD [138], жергілікті шығу тегін анықтайтын RFMix [139] және ADMIXTOOLS бумасындағы f-статистикалар [140].</p>
        <p>Демографиялық тарих: PSMC [141], MSMC [142] және SMC++ [143] сияқты тізбекті марковтық коалесценттік әдістер, сондай-ақ dadi [144] және fastsimcoal2 [145] сияқты аллель жиіліктерінің спектріне негізделген әдістер.</p>
        <p>Толық геномдық генеалогиялар: ARGweaver [146], Relate [147], tsinfer [148], ARG-Needle [149] және SINGER [150] ата-тектік рекомбинация графтарын барған сайын ірі ауқымда қалпына келтіреді, ал біртұтас генеалогия қазір қазіргі заманғы және ежелгі геномдарды байланыстырады [151].</p>
        <p>Оң сұрыпталу: selscan бағдарламасында іске асырылған [154] iHS [152] және XP-EHH [153] сияқты гаплотиптерге негізделген статистикалар, сондай-ақ өте жақында болған бейімделуді анықтайтын синглетондар тығыздығының көрсеткіші (SDS) [155].</p>
        <p>Архаикалық интрогрессия: неандерталь геномдарымен салыстыру [156, 157] және интрогрессияланған сегменттерді референссіз анықтау [158, 159].</p>
        <p>Бұл талдаулардың бәрі бастапқы деректердегі ауытқуларды мұра етеді. Көптеген популяциялар референстік панельдер мен жиілік дерекқорларында әлі де нашар қамтылған. Мысалы, Орталық Азия бойынша жарияланған толық геномдық деректер қамту тереңдігі жоғары бес қазақ геномы сияқты шағын зерттеулермен шектеледі [160, 161], бұл осы аймақтан шыққан пациенттер үшін импутация дәлдігін және жиілікке негізделген сүзуді шектейді. Негізгі құралдар 2-кестеде жинақталған.</p>
        <p><bold>2-кесте. Нұсқаларды анықтауға, аннотациялауға және популяциялық талдауға арналған негізгі құралдар.</bold></p>
        <table-wrap id="tbl6" position="float">
          <label>Table 6</label>
          <table><thead><tr><th>Міндет</th><th>Құралдар</th><th>Ескертпелер</th><th>Дереккөздер</th></tr></thead><tbody><tr><td>Қысқа оқылымдарды туралау</td><td>BWA, BWA-MEM, DRAGEN</td><td>Барроуз–Уилер индекстеуі; DRAGEN мультигеномдық карталауды қосады</td><td>[60, 61, 68]</td></tr><tr><td>Ұзын оқылымдарды туралау</td><td>minimap2, Winnowmap2</td><td>Минимайзерлерге негізделген бастапқы сәйкестіктер және оларды тізбектеу; қайталанулар үшін салмақталған минимайзерлер</td><td>[62, 64]</td></tr><tr><td>SNV мен инделдерді анықтау</td><td>GATK, DeepVariant және GLnexus, Clair3, PEPPER-Margin-DeepVariant</td><td>Қысқа және ұзын оқылымдарға арналған гаплотиптерге және терең оқытуға негізделген анықтағыштар</td><td>[67, 69–72]</td></tr><tr><td>SV анықтау, қысқа оқылымдар</td><td>DELLY, LUMPY, Manta</td><td>Жұптасқан оқылымдар, бөлінген оқылымдар және құрастыру деректері</td><td>[79–81]</td></tr><tr><td>SV анықтау, ұзын оқылымдар</td><td>Sniffles2, cuteSV, SVIM, PAV</td><td>Туралауға және жинақтарға негізделген іздеу</td><td>[88–90, 92]</td></tr><tr><td>SV біріктіру және салыстыру</td><td>Jasmine, Truvari</td><td>Популяциялық ауқымда біріктіру; салыстырмалы бағалау</td><td>[93, 94]</td></tr><tr><td>Фазалау және импутация</td><td>WhatsHap, HiPhase, SHAPEIT5, Beagle, GLIMPSE</td><td>Оқылымдарға негізделген және статистикалық фазалау; қамту тереңдігі төмен деректер бойынша импутация</td><td>[99, 100, 102–104]</td></tr><tr><td>Аннотация</td><td>VEP, SnpEff, ANNOVAR</td><td>Гендік модельдер бойынша нұсқа салдарын болжау</td><td>[114–116]</td></tr><tr><td>Әсерді болжау</td><td>CADD, SpliceAI, AlphaMissense, AlphaGenome</td><td>Интегративті бағалар, сплайсинг, миссенс және реттеуші нұсқалар бағалары</td><td>[118–121]</td></tr><tr><td>Сирек нұсқалардың ассоциациясы</td><td>SKAT және SKAT-O, SAIGE-GENE+, REGENIE, STAAR</td><td>Нұсқалар жиынтығына негізделген тесттер; биобанктерге арналған аралас модельдер; аннотацияларды ескеретін тесттер</td><td>[123, 124, 127, 128, 130]</td></tr><tr><td>Демография</td><td>PSMC, MSMC, SMC++, dadi, fastsimcoal2</td><td>Коалесцентке және жиіліктер спектріне негізделген бағалау</td><td>[141–145]</td></tr><tr><td>Генеалогияларды қалпына келтіру</td><td>Relate, tsinfer, ARG-Needle, SINGER</td><td>Ата-тектік рекомбинация графтары</td><td>[147–150]</td></tr><tr><td>Сұрыпталу іздерін іздеу</td><td>selscan (iHS, XP-EHH), SDS</td><td>Гаплотиптік гомозиготалық; синглетондар тығыздығы</td><td>[154, 155]</td></tr></tbody></table>
        </table-wrap>
      </sec>
    </sec>
    <sec id="s4">
      <title>4. Comparative genomics and the pangenome</title>
      <sec id="s4-1">
        <title>4.1 Whole-genome alignment, synteny and orthology</title>
        <p>Comparative analysis begins with alignment of whole genomes. Pairwise pipelines based on chained and netted local alignments [162], LAST with adaptive seeds [163] and MUMmer4 [164] are long-established, and minimap2 is now widely used for assembly-to-assembly alignment [62]. The wavefront algorithm made exact gap-affine alignment fast enough for long, similar sequences and underlies recent all-to-all aligners [165]. For many species, Progressive Cactus produces reference-free multiple alignments stored in the HAL format [166, 167].</p>
        <p>Alignments are then interpreted at several levels. SyRI identifies syntenic regions, inversions, translocations and duplications between assemblies [168]. MCScanX [169] and GENESPACE [170] work with gene order. OrthoFinder infers orthogroups from protein sequences [171], TOGA combines gene annotation with orthology inference from genome alignments [172], and Liftoff transfers annotations between assemblies of the same or related species [173].</p>
      </sec>
      <sec id="s4-2">
        <title>4.2 Constraint, acceleration and selection across species</title>
        <p>Sequence conservation across species is one of the most reliable indicators of function. PhastCons and phyloP estimate conserved elements and per-base rates of substitution from multiple alignments [174, 175]. In the Zoonomia alignment of 240 placental mammals, at least 332 Mb of the human genome (about 10.7%) is constrained [176], and constrained positions are enriched for variants that explain the heritability of common diseases [177]. Whole-genome data from 233 primate species add resolution at shorter evolutionary distances [178].</p>
        <p>The opposite signal, lineage-specific acceleration, marks candidate regions of adaptive change such as the human accelerated regions [179]. At the protein level, codon models in PAML [180] and HyPhy [181] test for positive selection, and CAFE 5 models the expansion and contraction of gene families [182].</p>
        <p>Incomplete lineage sorting complicates all of these analyses in primates. It affects up to 64% of the genome at individual ancestral nodes, so local genealogies often disagree with the species tree and must be modelled explicitly [183].</p>
      </sec>
      <sec id="s4-3">
        <title>4.3 Complete primate genomes and human-specific change</title>
        <p>Until recently, comparisons between humans and other apes excluded the most dynamic parts of the genome because they were missing from the assemblies. Long-read assemblies of bonobo and other primates first showed how much structural change had been overlooked [184]. An analysis of eight primate lineages estimated that SVs have affected about 27% of the genome during primate evolution and identified 1,607 structurally divergent regions where genes are recurrently lost or gained [185].</p>
        <p>T2T assemblies of ape sex chromosomes [15] and of six ape genomes with 215 gapless chromosomes [16] now allow segmental duplications, centromeres and immune loci to be compared without mapping reads to the human reference. This matters for human evolution because several human-specific genes implicated in cortical development, including SRGAP2 and NOTCH2NL paralogues, arose by segmental duplication in regions that were misassembled in earlier references [186, 187].</p>
      </sec>
      <sec id="s4-4">
        <title>4.4 The pangenome and graph construction</title>
        <p>The term pangenome was introduced for bacteria to denote the full gene repertoire of a species [188]. In humans the concept addresses reference bias: sequence absent from the reference cannot be mapped to or genotyped. Short-read data from 910 individuals of African descent already contained 296.5 Mb of sequence missing from GRCh38 [189].</p>
        <p>A pangenome graph stores sequences as nodes, adjacencies as edges and haplotypes as paths [190]. Construction methods differ in what they align and what they keep:</p>
        <p>The vg toolkit builds variation graphs from a reference and a variant call set [191].</p>
        <p>Minigraph adds assemblies to a reference backbone one at a time and records SVs of 50 bp or more [192].</p>
        <p>Minigraph-Cactus adds base-level alignment to the minigraph structure and scaled to 90 human haplotypes [193].</p>
        <p>The PanGenome Graph Builder (PGGB) uses all-to-all alignment without a privileged reference [194], and ODGI provides manipulation and visualization of the resulting graphs [195].</p>
        <p>PGR-TK targets complex, clinically relevant loci at multiple scales [196], and pangene graphs represent gene order and copy number [197].</p>
        <p>A systematic comparison found that these methods differ in the variation they represent, their scalability and the downstream tools they support, so the choice depends on the application [198].</p>
        <p>The HPRC draft pangenome of 47 individuals added 119 Mb of euchromatic polymorphic sequence and 1,115 gene duplications relative to GRCh38 [11]. Regional efforts show that much variation is still unsampled. The Chinese Pangenome Consortium contributed 116 assemblies from 36 minority ethnic groups and 189 Mb of additional sequence [199], and a pangenome of 53 individuals from the United Arab Emirates reported about 112 Mb of euchromatic sequence absent from existing references [200].</p>
      </sec>
      <sec id="s4-5">
        <title>4.5 Using pangenomes for mapping, genotyping and evolutionary analysis</title>
        <p>Giraffe maps short reads to a haplotype-aware graph at a speed comparable to linear mappers [201], and GraphAligner aligns long reads to graphs [202]. Sampling a personalized subgraph that matches the k-mer content of each sample further reduces mapping errors caused by irrelevant rare alleles [203]. In the HPRC analysis, pangenome-based mapping reduced small-variant errors by 34% compared with GRCh38-based workflows [11].</p>
        <p>Genotyping benefits even more. Known SVs can be genotyped from read alignments to the graph [204], and PanGenie infers genotypes from k-mer counts and panel haplotypes without alignment [205]. The draft pangenome increased the number of SVs detected per haplotype from short reads by 104% [11]. Locityper uses pangenome haplotypes to genotype 256 challenging medically relevant loci from short or long reads [206], and graph-based analysis has improved SV interpretation in rare-disease cohorts [207].</p>
        <p>Pangenomes also support evolutionary inference in regions that were previously inaccessible. All-to-all comparison of HPRC assemblies provided evidence of recombination between heterologous acrocentric short arms [208]. Unambiguous alignment of segmental duplications across 102 haplotypes showed that SNV density is 60% higher there than in unique sequence, with interlocus gene conversion accounting for at least 23% of the excess [209].</p>
      </sec>
      <sec id="s4-6">
        <title>4.6 Limitations</title>
        <p>Pangenome analysis is not yet a drop-in replacement for linear references. Annotations, clinical databases and most pipelines still use linear coordinates, so results must be projected back with some loss. Centromeres and other satellite-rich regions are often excluded from graphs because they cannot be aligned reliably. Computational cost grows with the number of haplotypes, and file formats and tools are still converging. Finally, a pangenome is only as representative as its sample set, and broad, ethically governed sampling remains a prerequisite [10]. Table 3 lists the main tools.</p>
        <table-wrap id="tbl7" position="float">
          <label>Table 3</label>
          <caption><p><bold>Representative tools for comparative genomics and pangenome analysis.</bold></p></caption>
          <table><thead><tr><th>Task</th><th>Tools</th><th>Notes</th><th>References</th></tr></thead><tbody><tr><td>Pairwise genome alignment</td><td>LAST, MUMmer4, minimap2</td><td>Seed-and-extend or minimizer chaining</td><td>[62, 163, 164]</td></tr><tr><td>Multiple genome alignment</td><td>Progressive Cactus, HAL tools</td><td>Reference-free alignment of hundreds of genomes</td><td>[166, 167]</td></tr><tr><td>Synteny and rearrangements</td><td>SyRI, MCScanX, GENESPACE</td><td>Sequence-level and gene-level collinearity</td><td>[168–170]</td></tr><tr><td>Orthology and annotation transfer</td><td>OrthoFinder, TOGA, Liftoff</td><td>Orthogroups; alignment-based orthologous loci; annotation lift-over</td><td>[171–173]</td></tr><tr><td>Conservation and acceleration</td><td>phastCons, phyloP</td><td>Conserved elements and per-base rate tests</td><td>[174, 175]</td></tr><tr><td>Selection and gene families</td><td>PAML, HyPhy, CAFE 5</td><td>Codon models; gene family size evolution</td><td>[180–182]</td></tr><tr><td>Graph construction</td><td>vg, minigraph, Minigraph-Cactus, PGGB</td><td>From variants, SV-only, reference-anchored base-level, all-to-all</td><td>[191–194]</td></tr><tr><td>Graph manipulation and local graphs</td><td>ODGI, PGR-TK, pangene</td><td>Visualization, statistics, complex loci, gene graphs</td><td>[195–197]</td></tr><tr><td>Read-to-graph alignment</td><td>Giraffe, GraphAligner</td><td>Short and long reads; personalized subgraphs</td><td>[201–203]</td></tr><tr><td>Graph-based genotyping</td><td>vg call, PanGenie, Locityper</td><td>Alignment-based, k-mer-based, targeted complex loci</td><td>[204–206]</td></tr></tbody></table>
        </table-wrap>
      </sec>
      <sec id="s4-7">
        <title>4.1 Полногеномное выравнивание, синтения и ортология</title>
        <p>Сравнительный анализ начинается с выравнивания целых геномов. Давно применяются конвейеры попарного выравнивания, основанные на цепочках и сетях локальных выравниваний [162], LAST с адаптивными затравками [163] и MUMmer4 [164], а для выравнивания сборок друг на друга сейчас широко используется minimap2 [62]. Волновой алгоритм (wavefront) сделал точное выравнивание с аффинными штрафами за пропуски достаточно быстрым для длинных сходных последовательностей и лежит в основе современных программ выравнивания «все со всеми» [165]. Для большого числа видов Progressive Cactus строит множественные выравнивания без опорного референса, которые хранятся в формате HAL [166, 167].</p>
        <p>Затем выравнивания интерпретируют на нескольких уровнях. SyRI выявляет синтенные участки, инверсии, транслокации и дупликации между сборками [168]. MCScanX [169] и GENESPACE [170] работают с порядком генов. OrthoFinder выводит ортогруппы по белковым последовательностям [171], TOGA сочетает аннотацию генов с определением ортологии по геномным выравниваниям [172], а Liftoff переносит аннотации между сборками одного или близких видов [173].</p>
      </sec>
      <sec id="s4-8">
        <title>4.2 Эволюционные ограничения, ускорение и отбор при межвидовых сравнениях</title>
        <p>Консервативность последовательности у разных видов — один из самых надёжных индикаторов функции. PhastCons и phyloP оценивают консервативные элементы и скорости замен для отдельных оснований по множественным выравниваниям [174, 175]. В выравнивании 240 плацентарных млекопитающих проекта Zoonomia под действием ограничений находится не менее 332 Мб генома человека (около 10,7%) [176], а позиции, находящиеся под ограничениями, обогащены вариантами, которые объясняют наследуемость распространённых заболеваний [177]. Полногеномные данные по 233 видам приматов повышают разрешение на более коротких эволюционных дистанциях [178].</p>
        <p>Противоположный сигнал — ускорение, специфичное для отдельной линии, — отмечает участки-кандидаты адаптивных изменений, такие как ускоренные у человека участки (human accelerated regions) [179]. На уровне белков кодонные модели в PAML [180] и HyPhy [181] позволяют тестировать положительный отбор, а CAFE 5 моделирует расширение и сокращение генных семейств [182].</p>
        <p>У приматов все эти виды анализа осложняет неполная сортировка линий. Она затрагивает до 64% генома в отдельных предковых узлах, поэтому локальные генеалогии часто не согласуются с видовым деревом и должны моделироваться в явном виде [183].</p>
      </sec>
      <sec id="s4-9">
        <title>4.3 Полные геномы приматов и специфичные для человека изменения</title>
        <p>До недавнего времени при сравнении человека с другими человекообразными обезьянами исключались самые динамичные части генома, поскольку они отсутствовали в сборках. Сборки геномов бонобо и других приматов из длинных прочтений впервые показали, как много структурных изменений оставалось незамеченным [184]. По оценке, полученной при анализе восьми линий приматов, SV затронули около 27% генома в ходе эволюции приматов; выявлено также 1 607 структурно дивергентных участков, в которых гены неоднократно утрачивались или приобретались [185].</p>
        <p>T2T-сборки половых хромосом человекообразных обезьян [15] и шести геномов человекообразных обезьян с 215 хромосомами без пробелов [16] теперь позволяют сравнивать сегментные дупликации, центромеры и иммунные локусы без картирования прочтений на референс человека. Это важно для понимания эволюции человека, поскольку несколько специфичных для человека генов, участвующих в развитии коры головного мозга, включая паралоги SRGAP2 и NOTCH2NL, возникли путём сегментной дупликации в участках, которые были неверно собраны в прежних референсах [186, 187].</p>
      </sec>
      <sec id="s4-10">
        <title>4.4 Пангеном и построение графов</title>
        <p>Термин «пангеном» был введён для бактерий и обозначал полный набор генов вида [188]. У человека эта концепция направлена на преодоление референсного смещения: на последовательность, отсутствующую в референсе, невозможно картировать прочтения, и её нельзя генотипировать. Уже данные коротких прочтений 910 человек африканского происхождения содержали 296,5 Мб последовательности, отсутствующей в GRCh38 [189].</p>
        <p>В пангеномном графе последовательности хранятся в виде вершин, смежности — в виде рёбер, а гаплотипы — в виде путей [190]. Методы построения различаются тем, что именно выравнивается и что сохраняется:</p>
        <p>Пакет vg строит графы вариаций по референсу и набору вариантов [191].</p>
        <p>Minigraph добавляет сборки к референсному остову по одной и регистрирует SV длиной 50 п.н. и более [192].</p>
        <p>Minigraph-Cactus дополняет структуру minigraph выравниванием на уровне оснований и был масштабирован до 90 гаплотипов человека [193].</p>
        <p>PanGenome Graph Builder (PGGB) использует выравнивание «все со всеми» без привилегированного референса [194], а ODGI предоставляет средства обработки и визуализации получаемых графов [195].</p>
        <p>PGR-TK предназначен для сложных клинически значимых локусов и работает в нескольких масштабах [196], а графы pangene представляют порядок и число копий генов [197].</p>
        <p>Систематическое сравнение показало, что эти методы различаются по представляемой изменчивости, масштабируемости и по набору поддерживаемых инструментов последующего анализа, поэтому выбор зависит от задачи [198].</p>
        <p>Черновой пангеном HPRC, построенный по геномам 47 человек, добавил к GRCh38 119 Мб эухроматиновой полиморфной последовательности и 1 115 дупликаций генов [11]. Региональные проекты показывают, что значительная часть изменчивости всё ещё не охвачена. Консорциум Chinese Pangenome Consortium представил 116 сборок от представителей 36 этнических меньшинств и 189 Мб дополнительной последовательности [199], а в пангеноме 53 человек из Объединённых Арабских Эмиратов описано около 112 Мб эухроматиновой последовательности, отсутствующей в существующих референсах [200].</p>
      </sec>
      <sec id="s4-11">
        <title>4.5 Применение пангеномов для картирования, генотипирования и эволюционного анализа</title>
        <p>Giraffe картирует короткие прочтения на граф с учётом гаплотипов со скоростью, сопоставимой со скоростью линейных программ картирования [201], а GraphAligner выравнивает на графы длинные прочтения [202]. Выборка персонализированного подграфа, соответствующего составу k-меров конкретного образца, дополнительно снижает число ошибок картирования, вызванных нерелевантными редкими аллелями [203]. В анализе HPRC картирование на пангеном сократило число ошибок в малых вариантах на 34% по сравнению с рабочими процессами на основе GRCh38 [11].</p>
        <p>Генотипирование выигрывает ещё больше. Известные SV можно генотипировать по выравниваниям прочтений на граф [204], а PanGenie выводит генотипы по числу k-меров и гаплотипам панели без выравнивания [205]. Черновой пангеном увеличил число SV, выявляемых на гаплотип по коротким прочтениям, на 104% [11]. Locityper использует гаплотипы пангенома для генотипирования 256 сложных медицински значимых локусов по коротким или длинным прочтениям [206], а анализ на основе графов улучшил интерпретацию SV в когортах пациентов с редкими заболеваниями [207].</p>
        <p>Пангеномы также дают возможность эволюционного анализа в участках, которые прежде были недоступны. Сравнение сборок HPRC «все со всеми» дало свидетельства рекомбинации между короткими плечами негомологичных акроцентрических хромосом [208]. Однозначное выравнивание сегментных дупликаций в 102 гаплотипах показало, что плотность SNV в них на 60% выше, чем в уникальной последовательности, причём не менее 23% этого избытка объясняется межлокусной генной конверсией [209].</p>
      </sec>
      <sec id="s4-12">
        <title>4.6 Ограничения</title>
        <p>Пангеномный анализ пока не может служить прямой заменой линейным референсам. Аннотации, клинические базы данных и большинство конвейеров по-прежнему используют линейные координаты, поэтому результаты приходится проецировать обратно с некоторыми потерями. Центромеры и другие участки, богатые сателлитами, часто исключают из графов, поскольку их невозможно надёжно выровнять. Вычислительные затраты растут с числом гаплотипов, а форматы файлов и инструменты ещё не устоялись. Наконец, пангеном репрезентативен лишь настолько, насколько репрезентативна выборка, по которой он построен, и широкий сбор образцов с соблюдением этических норм остаётся необходимым условием [10]. Основные инструменты перечислены в таблице 3.</p>
        <p><bold>Таблица 3. Характерные инструменты для сравнительной геномики и пангеномного анализа.</bold></p>
        <table-wrap id="tbl8" position="float">
          <label>Table 8</label>
          <table><thead><tr><th>Задача</th><th>Инструменты</th><th>Примечания</th><th>Ссылки</th></tr></thead><tbody><tr><td>Попарное выравнивание геномов</td><td>LAST, MUMmer4, minimap2</td><td>Затравка с расширением или цепочки минимайзеров</td><td>[62, 163, 164]</td></tr><tr><td>Множественное выравнивание геномов</td><td>Progressive Cactus, инструменты HAL</td><td>Выравнивание сотен геномов без опорного референса</td><td>[166, 167]</td></tr><tr><td>Синтения и перестройки</td><td>SyRI, MCScanX, GENESPACE</td><td>Коллинеарность на уровне последовательности и на уровне генов</td><td>[168–170]</td></tr><tr><td>Ортология и перенос аннотаций</td><td>OrthoFinder, TOGA, Liftoff</td><td>Ортогруппы; ортологичные локусы по выравниваниям; перенос аннотаций</td><td>[171–173]</td></tr><tr><td>Консервативность и ускорение</td><td>phastCons, phyloP</td><td>Консервативные элементы и тесты скоростей замен для отдельных оснований</td><td>[174, 175]</td></tr><tr><td>Отбор и генные семейства</td><td>PAML, HyPhy, CAFE 5</td><td>Кодонные модели; эволюция размера генных семейств</td><td>[180–182]</td></tr><tr><td>Построение графов</td><td>vg, minigraph, Minigraph-Cactus, PGGB</td><td>По вариантам; только SV; на уровне оснований с привязкой к референсу; «все со всеми»</td><td>[191–194]</td></tr><tr><td>Обработка графов и локальные графы</td><td>ODGI, PGR-TK, pangene</td><td>Визуализация, статистика, сложные локусы, графы генов</td><td>[195–197]</td></tr><tr><td>Выравнивание прочтений на граф</td><td>Giraffe, GraphAligner</td><td>Короткие и длинные прочтения; персонализированные подграфы</td><td>[201–203]</td></tr><tr><td>Генотипирование на основе графов</td><td>vg call, PanGenie, Locityper</td><td>На основе выравнивания; на основе k-меров; целевой анализ сложных локусов</td><td>[204–206]</td></tr></tbody></table>
        </table-wrap>
      </sec>
      <sec id="s4-13">
        <title>4.1 Толық геномдық туралау, синтения және ортология</title>
        <p>Салыстырмалы талдау геномдарды тұтастай туралаудан басталады. Тізбектелген және торланған жергілікті туралауларға (chains and nets) негізделген жұптық конвейерлер [162], бейімделгіш бастапқы сәйкестіктерді қолданатын LAST [163] және MUMmer4 [164] бұрыннан қалыптасқан құралдар болып табылады, ал minimap2 қазір жинақтарды бір-біріне туралау үшін кең қолданылады [62]. Толқындық шеп (wavefront) алгоритмі аффиндік үзіліс айыппұлы бар дәл туралауды ұзын әрі ұқсас тізбектер үшін жеткілікті жылдам етті және соңғы кездегі «барлығын барлығымен» туралағыштардың негізін құрайды [165]. Көптеген түрлер үшін Progressive Cactus референссіз көптік туралаулар құрады; олар HAL форматында сақталады [166, 167].</p>
        <p>Одан кейін туралаулар бірнеше деңгейде түсіндіріледі. SyRI жинақтар арасындағы синтениялық аймақтарды, инверсияларды, транслокацияларды және дупликацияларды анықтайды [168]. MCScanX [169] және GENESPACE [170] гендердің орналасу ретімен жұмыс істейді. OrthoFinder ақуыз тізбектері бойынша ортологтық топтарды (ортогруппаларды) анықтайды [171], TOGA гендерді аннотациялауды геномдық туралаулар негізінде ортологияны анықтаумен біріктіреді [172], ал Liftoff аннотацияларды бір түрдің немесе туыс түрлердің жинақтары арасында көшіреді [173].</p>
      </sec>
      <sec id="s4-14">
        <title>4.2 Түраралық шектеулер, үдеу және сұрыпталу</title>
        <p>Тізбектің түрлер арасында сақталуы — функцияның ең сенімді көрсеткіштерінің бірі. PhastCons және phyloP көптік туралаулар бойынша консервативті элементтерді және әр нуклеотид позициясындағы алмасу жылдамдығын бағалайды [174, 175]. Zoonomia жобасының 240 плаценталы сүтқоректіні қамтитын туралауында адам геномының кемінде 332 Мб-ы (шамамен 10,7%) эволюциялық шектеуде тұр [176], ал шектелген позицияларда жиі кездесетін аурулардың тұқым қуалаушылығын түсіндіретін нұсқалар шоғырланған [177]. Приматтардың 233 түрінің толық геномдық деректері қысқарақ эволюциялық қашықтықтарда ажыратымдылықты арттырады [178].</p>
        <p>Қарама-қарсы сигнал — жекелеген тармаққа тән үдеу — адам тармағындағы үдемелі аймақтар (human accelerated regions) сияқты бейімделу өзгерістерінің үміткер аймақтарын көрсетеді [179]. Ақуыз деңгейінде PAML [180] және HyPhy [181] бумаларындағы кодондық модельдер оң сұрыпталудың бар-жоғын тексереді, ал CAFE 5 гендер тұқымдастарының кеңеюі мен қысқаруын модельдейді [182].</p>
        <p>Приматтарда бұл талдаулардың бәрін тармақтардың толық сұрыпталмауы (incomplete lineage sorting) қиындатады. Ол жекелеген ата-тектік түйіндерде геномның 64%-ына дейін әсер етеді, сондықтан жергілікті генеалогиялар көбінесе түрлер ағашымен сәйкес келмейді және оларды арнайы модельдеу қажет [183].</p>
      </sec>
      <sec id="s4-15">
        <title>4.3 Приматтардың толық геномдары және адамға тән өзгерістер</title>
        <p>Соңғы уақытқа дейін адам мен басқа адамтәрізді маймылдарды салыстыру кезінде геномның ең құбылмалы бөліктері қарастырылмай келді, өйткені олар жинақтарда болмаған. Бонобо мен басқа приматтардың ұзын оқылымдарға негізделген жинақтары құрылымдық өзгерістердің қаншалықты көп бөлігі назардан тыс қалғанын алғаш рет көрсетті [184]. Приматтардың сегіз тармағын талдау приматтар эволюциясы барысында SV-лер геномның шамамен 27%-ына әсер еткенін бағалады және гендер қайталап жоғалатын немесе пайда болатын, құрылымы жағынан дивергентті 1 607 аймақты анықтады [185].</p>
        <p>Адамтәрізді маймылдардың жыныс хромосомаларының [15] және 215 үзіліссіз хромосомасы бар алты адамтәрізді маймыл геномының [16] T2T жинақтары қазір сегменттік дупликацияларды, центромераларды және иммундық локустарды оқылымдарды адам референсіне карталамай-ақ салыстыруға мүмкіндік береді. Бұл адам эволюциясы үшін маңызды, өйткені ми қыртысының дамуына қатысы бар, адамға ғана тән бірнеше ген, соның ішінде SRGAP2 және NOTCH2NL паралогтары, бұрынғы референстерде қате құрастырылған аймақтардағы сегменттік дупликация нәтижесінде пайда болған [186, 187].</p>
      </sec>
      <sec id="s4-16">
        <title>4.4 Пангеном және графтарды құру</title>
        <p>«Пангеном» термині алғаш бактериялар үшін түрдің толық гендік репертуарын белгілеу мақсатында енгізілген [188]. Адамға қатысты бұл тұжырымдама референстік ауытқу мәселесін шешуге бағытталған: референсте жоқ тізбекке оқылымдарды карталау да, оны генотиптеу де мүмкін емес. Африкалық тегі бар 910 адамның қысқа оқылымдарының өзінде-ақ GRCh38-де жоқ 296,5 Мб тізбек табылған [189].</p>
        <p>Пангеномдық графта тізбектер төбелер ретінде, олардың көршілестігі қабырғалар ретінде, ал гаплотиптер жолдар ретінде сақталады [190]. Құру әдістері нені туралайтынымен және нені сақтайтынымен ерекшеленеді:</p>
        <p>vg құралдар жиынтығы вариациялық графтарды референс пен нұсқалар жиынтығынан құрады [191].</p>
        <p>Minigraph жинақтарды референстік қаңқаға бір-бірлеп қосады және ұзындығы 50 ж.н. немесе одан үлкен SV-лерді тіркейді [192].</p>
        <p>Minigraph-Cactus minigraph құрылымына нуклеотид деңгейіндегі туралауды қосады және адамның 90 гаплотипіне дейін масштабталған [193].</p>
        <p>PanGenome Graph Builder (PGGB) артықшылық берілген референссіз «барлығын барлығымен» туралауды қолданады [194], ал ODGI алынған графтарды өңдеуге және визуализациялауға мүмкіндік береді [195].</p>
        <p>PGR-TK күрделі, клиникалық маңызы бар локустарды бірнеше масштабта талдауға бағытталған [196], ал пангендік (pangene) графтар гендердің орналасу реті мен көшірмелер санын бейнелейді [197].</p>
        <p>Жүйелі салыстыру бұл әдістердің бейнелейтін өзгергіштігі, масштабталуы және қолдайтын кейінгі талдау құралдары жағынан ерекшеленетінін көрсетті, сондықтан таңдау нақты қолдану мақсатына байланысты [198].</p>
        <p>HPRC консорциумының 47 адамға негізделген жобалық пангеномы GRCh38-мен салыстырғанда 119 Мб эухроматиндік полиморфты тізбек пен 1 115 ген дупликациясын қосты [11]. Аймақтық жобалар өзгергіштіктің едәуір бөлігі әлі қамтылмағанын көрсетеді. Қытай пангеномы консорциумы (Chinese Pangenome Consortium) 36 аз санды этникалық топтан алынған 116 жинақты және 189 Мб қосымша тізбекті ұсынды [199], ал Біріккен Араб Әмірліктерінің 53 адамына негізделген пангеномда қолданыстағы референстерде жоқ шамамен 112 Мб эухроматиндік тізбек анықталды [200].</p>
      </sec>
      <sec id="s4-17">
        <title>4.5 Пангеномдарды карталау, генотиптеу және эволюциялық талдау үшін пайдалану</title>
        <p>Giraffe қысқа оқылымдарды гаплотиптерді ескеретін графқа сызықтық карталағыштармен шамалас жылдамдықпен карталайды [201], ал GraphAligner ұзын оқылымдарды графтарға туралайды [202]. Әр үлгінің k-мерлік құрамына сәйкес келетін дербестендірілген ішкі графты іріктеп алу сол үлгіге қатысы жоқ сирек аллельдерден туындайтын карталау қателерін одан әрі азайтады [203]. HPRC талдауында пангеномға негізделген карталау GRCh38-ге негізделген жұмыс үдерістерімен салыстырғанда шағын нұсқалардағы қателерді 34%-ға азайтты [11].</p>
        <p>Генотиптеуге келетін пайда бұдан да зор. Белгілі SV-лерді оқылымдардың графқа туралаулары бойынша генотиптеуге болады [204], ал PanGenie генотиптерді k-мерлер саны мен панель гаплотиптері бойынша туралаусыз анықтайды [205]. Жобалық пангеном қысқа оқылымдар бойынша бір гаплотипте анықталатын SV-лер санын 104%-ға арттырды [11]. Locityper пангеном гаплотиптерін пайдаланып, талдауы қиын, медициналық маңызы бар 256 локусты қысқа немесе ұзын оқылымдар бойынша генотиптейді [206], ал графтарға негізделген талдау сирек аурулар когорталарында SV-лерді түсіндіруді жақсартты [207].</p>
        <p>Пангеномдар бұрын қолжетімсіз болған аймақтарда эволюциялық қорытынды жасауға да мүмкіндік береді. HPRC жинақтарын «барлығын барлығымен» салыстыру гетерологиялық акроцентрлік хромосомалардың қысқа иықтары арасында рекомбинация жүретініне дәлел берді [208]. Сегменттік дупликацияларды 102 гаплотип бойынша бір мәнді туралау оларда SNV тығыздығы бірегей тізбектерге қарағанда 60%-ға жоғары екенін, ал осы артық мөлшердің кемінде 23%-ы локусаралық гендік конверсияға тиесілі екенін көрсетті [209].</p>
      </sec>
      <sec id="s4-18">
        <title>4.6 Шектеулер</title>
        <p>Пангеномдық талдау әзірге сызықтық референстерді дайын күйінде алмастыра алмайды. Аннотациялар, клиникалық дерекқорлар және конвейерлердің көпшілігі әлі де сызықтық координаттарды қолданады, сондықтан нәтижелерді кері проекциялауға тура келеді, бұл белгілі бір дәрежеде ақпарат жоғалтуға әкеледі. Центромералар мен сателлиттерге бай басқа да аймақтар сенімді тураланбайтындықтан, графтарға жиі енгізілмейді. Есептеу шығындары гаплотиптер саны артқан сайын өседі, ал файл форматтары мен құралдар әлі бірізге түсіп жатыр. Ақырында, пангеномның өкілдік сипаты оның үлгілер жиынтығының өкілдік сипатынан аспайды, сондықтан кең ауқымды әрі этикалық нормаларға сай үлгі жинау бұрынғыдай міндетті шарт болып қала береді [10]. Негізгі құралдар 3-кестеде келтірілген.</p>
        <p><bold>3-кесте. Салыстырмалы геномикаға және пангеномдық талдауға арналған негізгі құралдар.</bold></p>
        <table-wrap id="tbl9" position="float">
          <label>Table 9</label>
          <table><thead><tr><th>Міндет</th><th>Құралдар</th><th>Ескертпелер</th><th>Дереккөздер</th></tr></thead><tbody><tr><td>Геномдарды жұптық туралау</td><td>LAST, MUMmer4, minimap2</td><td>Бастапқы сәйкестікті тауып, ұзарту немесе минимайзерлерді тізбектеу</td><td>[62, 163, 164]</td></tr><tr><td>Геномдарды көптік туралау</td><td>Progressive Cactus, HAL құралдары</td><td>Жүздеген геномды референссіз туралау</td><td>[166, 167]</td></tr><tr><td>Синтения және қайта құрылымдар</td><td>SyRI, MCScanX, GENESPACE</td><td>Тізбек деңгейіндегі және гендер деңгейіндегі коллинеарлық</td><td>[168–170]</td></tr><tr><td>Ортология және аннотацияны көшіру</td><td>OrthoFinder, TOGA, Liftoff</td><td>Ортогруппалар; туралауға негізделген ортологиялық локустар; аннотацияны көшіру (lift-over)</td><td>[171–173]</td></tr><tr><td>Консервативтілік және үдеу</td><td>phastCons, phyloP</td><td>Консервативті элементтер және әр позициядағы алмасу жылдамдығының тесттері</td><td>[174, 175]</td></tr><tr><td>Сұрыпталу және гендер тұқымдастары</td><td>PAML, HyPhy, CAFE 5</td><td>Кодондық модельдер; гендер тұқымдастары көлемінің эволюциясы</td><td>[180–182]</td></tr><tr><td>Графтарды құру</td><td>vg, minigraph, Minigraph-Cactus, PGGB</td><td>Нұсқалардан; тек SV; референске бекітілген нуклеотид деңгейіндегі; «барлығын барлығымен»</td><td>[191–194]</td></tr><tr><td>Графтарды өңдеу және жергілікті графтар</td><td>ODGI, PGR-TK, pangene</td><td>Визуализация, статистика, күрделі локустар, гендік графтар</td><td>[195–197]</td></tr><tr><td>Оқылымдарды графқа туралау</td><td>Giraffe, GraphAligner</td><td>Қысқа және ұзын оқылымдар; дербестендірілген ішкі графтар</td><td>[201–203]</td></tr><tr><td>Графқа негізделген генотиптеу</td><td>vg call, PanGenie, Locityper</td><td>Туралауға негізделген, k-мерлерге негізделген, күрделі локустарға бағытталған</td><td>[204–206]</td></tr></tbody></table>
        </table-wrap>
      </sec>
    </sec>
    <sec id="s5">
      <title>5. Analysis of repeats</title>
      <sec id="s5-1">
        <title>5.1 Repeat classes in the human genome</title>
        <p>Repeats make up more than half of the human genome. The initial draft attributed about 45% of the sequence to transposable elements [1], and annotation of T2T-CHM13 raised the total repeat content to about 54% [4, 210]. Four classes are usually distinguished because they differ in origin, mutational behaviour and the tools needed to study them: interspersed transposable elements (TEs), satellite DNA, short and variable-number tandem repeats, and segmental duplications. Repeats were long masked and ignored in genome analysis; complete assemblies now make them directly measurable.</p>
      </sec>
      <sec id="s5-2">
        <title>5.2 Transposable elements</title>
        <p>TEs are classified hierarchically by transposition mechanism and structure [211]. Reference annotation normally runs RepeatMasker [212] with curated consensus sequences or profile hidden Markov models from Repbase and Dfam [213, 214]. For new assemblies and non-model species, families are first discovered de novo with RepeatModeler2 [215], EDTA [216] or HiTE [217]. Library-free tools that report interspersed and tandem repeats together are described in Section 5.6. Manual curation of the resulting libraries is still advisable, and the available software has been reviewed in detail [218].</p>
        <p>In humans, only L1, Alu and SVA elements remain active. Their insertions are a recurrent cause of genetic disease [219, 220], and older copies have been co-opted as regulatory elements [221]. Polymorphic insertions absent from the reference are detected from short reads with MELT [222] or MEGAnE [223], from long reads with PALMER [224], and from combined data with xTea [225]. Nanopore reads additionally report the methylation state of individual elements [226], and graph genomes offer a unified way to genotype insertion polymorphisms [227].</p>
        <p>Population studies show that these variants matter. Phased assemblies identified 130 of the most active source elements [92], long-read sequencing of 1,019 individuals traced L1- and SVA-mediated transductions [97], and mobile element variants are associated with changes in gene expression more often than SNVs and can be tested directly in genome-wide association studies [223]. In T2T-CHM13, repeat annotation was combined with transcription and CpG methylation data to define which elements are active, including those in centromeres [210, 228].</p>
      </sec>
      <sec id="s5-3">
        <title>5.3 Satellite DNA and centromeres</title>
        <p>Pericentromeric and centromeric satellites cover 6.2% of T2T-CHM13 (189.9 Mb) and were almost entirely absent from earlier references [229]. Human centromeres consist of α-satellite monomers of about 171 bp arranged in higher-order repeats (HORs) that form arrays of several megabases [230].</p>
        <p>Assembly of these arrays required dedicated methods such as centroFlye [231]. Annotation tools decompose arrays into monomers and HORs: StringDecomposer [232], HORmon [233], Satellite Repeat Finder [234] and TRASH [235]. Sequence identity heatmaps from StainedGlass [236] and ModDotPlot [237] reveal the layered structure of arrays, and a local dip in CpG methylation marks the probable site of kinetochore assembly [228].</p>
        <p>Centromeres are among the fastest-evolving regions of the genome. Comparison of two complete sets of human centromeres showed at least a 4.1-fold excess of single-nucleotide variation relative to unique flanking sequence, up to 3-fold differences in array size, and 45.8% of centromeric sequence that could not be aligned reliably between the two genomes [238]. Across 1,246 assembled centromeres from diverse individuals, α-satellite HOR arrays vary in length by up to 30-fold [58]. Standard alignment-based variant calling is therefore unsuitable for these regions, and analysis relies on assembly-to-assembly comparison of HOR structure.</p>
      </sec>
      <sec id="s5-4">
        <title>5.4 Short tandem repeats and variable-number tandem repeats</title>
        <p>Tandem repeats mutate by changes in copy number at rates far above those of point mutation, and they contribute to both normal variation and disease [239–241]. Expansions cause more than 50 disorders, most of them neurological [242]. A genome-wide catalogue of tandem repeat regions covers 8.1% of the genome but contains about 24.9% of the variants found in an individual [243].</p>
        <p>Tandem Repeats Finder remains the basis of most repeat catalogues [244]. Genotyping from short reads developed through lobSTR [245] and HipSTR [246] for alleles shorter than the read, and through ExpansionHunter [247], GangSTR [248], STRetch [249] and STRling [250] for expansions; STRling also detects expansions at loci absent from the reference. Genome sequencing combined with linkage analysis identified the intronic RFC1 expansion as a frequent cause of late-onset ataxia [251], and whole-genome sequencing has been evaluated against PCR-based testing for the diagnosis of neurological repeat expansion disorders [252]. Population resources include genotypes at more than 1.7 million loci in 3,550 individuals, with a phased panel for imputing tandem repeats from nearby SNPs [253] and TR-gnomAD, with 0.86 million loci genotyped in 338,963 genomes [254].</p>
        <p>Short reads cannot size long or interrupted alleles. Long-read tools read the full allele sequence, its motif composition and, where available, its methylation: TRGT for HiFi data [255], Straglr [256] and LongTR [257]. Vamos annotates variable-number tandem repeats with efficient motif sets [258], and danbing-tk genotypes them from short reads with repeat-pangenome graphs [259]. A benchmark built from 86 haplotype-resolved assemblies and the HG002 sample now allows these tools to be compared [243].</p>
        <p>Pedigree data confirm that tandem repeats dominate the mutational input per generation. In a four-generation family, about 65 of the de novo indels and SVs per transmission arose in tandem repeats, compared with about 75 de novo SNVs, and 32 loci mutated recurrently [134].</p>
      </sec>
      <sec id="s5-5">
        <title>5.5 Segmental duplications</title>
        <p>Segmental duplications (SDs) are blocks longer than 1 kb with at least 90% identity. Early whole-genome analysis linked them to hotspots of genomic instability and disease [260]. With the complete genome, the estimate of SD content rose from 5.4% to 7.0% (218 Mb), and SDs accounted for nearly one-third of the sequence added by T2T-CHM13 [261]. SEDEF [262] and BISER [263] detect SDs in one or many assemblies.</p>
        <p>SDs are central to human evolution and to medical genetics. They gave rise to human-specific genes (Section 4.3), they mediate recurrent microdeletions and microduplications, and they are subject to frequent interlocus gene conversion [209]. Short reads rarely map uniquely to paralogues, so genotyping needs specialized tools. Paraphase resolves SMN1 and SMN2 haplotypes from HiFi reads [264], and Locityper selects the best-fitting pair of pangenome haplotypes for each locus [206]. Phased assemblies now span loci such as SMN1/SMN2 and AMY1/AMY2 in full [58]. The ribosomal DNA arrays on the acrocentric short arms remain the largest repeats without routine assembly [4, 208].</p>
      </sec>
      <sec id="s5-6">
        <title>5.6 Library-free de novo identification of repeats across classes</title>
        <p>The tools described above are specialized: each targets one repeat class, and many depend on curated libraries or on a prior model of repeat structure. A complementary strategy detects every repeated sequence in an assembly directly, without a library or reference annotation, and groups the copies into families afterwards. This is useful for newly assembled genomes, for regions such as satellite arrays where libraries are incomplete, and as an independent check on library-based masking.</p>
        <p>Repeater implements this strategy as a comparison of a sequence with itself [265]. In the current version, all k-mers on the forward and reverse-complement strands are indexed and those that occur only once are discarded. Each pair of positions that share a seed is extended into an ungapped local alignment that tolerates isolated mismatches, overlapping alignments are merged into repeat copies, and copies that align to one another are clustered into families. Direct and inverted repeats are therefore found in a single pass. The same procedure reports interspersed elements, tandem repeats and higher-order arrays such as telomeric and satellite sequences, and a separate linear-time mode reports microsatellites and other low-complexity loci.</p>
        <p>Repeater writes a coordinate table of repeat copies with their cluster assignments, a soft-masked sequence, and a repeat-landscape figure that distinguishes forward from reverse-complement copies. It is a Java command-line program released under the GPL-3.0 licence, and the seed length (18 by default) is the main parameter controlling sensitivity and speed. Sequences in a multi-record file are analysed one at a time, so copies located on different chromosomes are not linked into one family.</p>
        <p>TotalRepeats applies an alignment-free design to whole genomes and to sets of genomes [266]. Short tandem and low-complexity repeats are identified first. All k-mers are then counted on both strands, bases covered by k-mers that occur at least twice are marked, and covered runs are merged into repeat blocks. Blocks are grouped into families by the cosine similarity of their 4-mer composition profiles, with a threshold calibrated on the data of each run, or alternatively by k-mer containment. Families can optionally be named against Repbase, Dfam or a custom library, which connects de novo discovery to established classifications.</p>
        <p>In addition to annotation tables, soft-masked sequence and landscape plots, TotalRepeats has comparative modes for collections of genomes. These classify repeat families as core, soft-core, shell or cloud, estimate the openness of the repeat pangenome, and derive distances between genomes from shared repeat content. The program can also import RepeatMasker masks and compare them with its own, so the two approaches can be used together. TotalRepeats is currently documented in its software repository and has no peer-reviewed description yet; the run times reported there are for sequences of 1.4–15 Mb.</p>
        <p>Both tools are best regarded as complementary to library-based annotation. Similarity-based families are not a transposable element classification, and for human assemblies their output should be compared with RepeatMasker and Dfam annotation before biological conclusions are drawn. Table 4 lists representative tools.</p>
        <table-wrap id="tbl10" position="float">
          <label>Table 4</label>
          <caption><p><bold>Representative tools for the analysis of repeats.</bold></p></caption>
          <table><thead><tr><th>Repeat class</th><th>Task</th><th>Tools</th><th>References</th></tr></thead><tbody><tr><td>Transposable elements</td><td>Reference annotation</td><td>RepeatMasker with Dfam or Repbase</td><td>[212–214]</td></tr><tr><td>Transposable elements</td><td>De novo family discovery</td><td>RepeatModeler2, EDTA, HiTE</td><td>[215–217]</td></tr><tr><td>Transposable elements</td><td>Polymorphic insertions, short reads</td><td>MELT, MEGAnE, xTea</td><td>[222, 223, 225]</td></tr><tr><td>Transposable elements</td><td>Polymorphic insertions, long reads</td><td>PALMER, xTea, TLDR</td><td>[224–226]</td></tr><tr><td>Satellites and centromeres</td><td>Assembly</td><td>centroFlye, Verkko, hifiasm</td><td>[32, 34, 231]</td></tr><tr><td>Satellites and centromeres</td><td>Monomer and HOR annotation</td><td>StringDecomposer, HORmon, Satellite Repeat Finder, TRASH</td><td>[232–235]</td></tr><tr><td>Satellites and centromeres</td><td>Visualization</td><td>StainedGlass, ModDotPlot</td><td>[236, 237]</td></tr><tr><td>Tandem repeats</td><td>Detection in sequence</td><td>Tandem Repeats Finder</td><td>[244]</td></tr><tr><td>Tandem repeats</td><td>Genotyping, short reads</td><td>HipSTR, ExpansionHunter, GangSTR, STRetch, STRling</td><td>[246–250]</td></tr><tr><td>Tandem repeats</td><td>Genotyping, long reads</td><td>TRGT, Straglr, LongTR, vamos</td><td>[255–258]</td></tr><tr><td>Segmental duplications</td><td>Detection</td><td>SEDEF, BISER</td><td>[262, 263]</td></tr><tr><td>Segmental duplications</td><td>Paralogue-aware genotyping</td><td>Paraphase, Locityper</td><td>[206, 264]</td></tr><tr><td>All classes</td><td>Library-free de novo detection, masking and visualization</td><td>Repeater, TotalRepeats</td><td>[265, 266]</td></tr></tbody></table>
        </table-wrap>
      </sec>
      <sec id="s5-7">
        <title>5.1 Классы повторов в геноме человека</title>
        <p>Повторы составляют более половины генома человека. В первой черновой версии около 45% последовательности было отнесено к мобильным элементам [1], а аннотация T2T-CHM13 повысила оценку общего содержания повторов примерно до 54% [4, 210]. Обычно выделяют четыре класса, поскольку они различаются происхождением, характером мутирования и инструментами, необходимыми для их изучения: диспергированные мобильные элементы (TE), сателлитная ДНК, короткие тандемные повторы и тандемные повторы с вариабельным числом копий, а также сегментные дупликации. Долгое время повторы при анализе геномов маскировали и игнорировали; полные сборки сделали их доступными для прямого измерения.</p>
      </sec>
      <sec id="s5-8">
        <title>5.2 Мобильные элементы</title>
        <p>Мобильные элементы классифицируют иерархически по механизму транспозиции и структуре [211]. Для аннотации референсных геномов обычно запускают RepeatMasker [212] с курируемыми консенсусными последовательностями или профильными скрытыми марковскими моделями из Repbase и Dfam [213, 214]. Для новых сборок и немодельных видов семейства сначала выявляют de novo с помощью RepeatModeler2 [215], EDTA [216] или HiTE [217]. Инструменты, которые не требуют библиотек и выдают диспергированные и тандемные повторы совместно, описаны в разделе 5.6. Ручная курация полученных библиотек по-прежнему желательна; доступное программное обеспечение подробно рассмотрено в обзоре [218].</p>
        <p>У человека активность сохраняют только элементы L1, Alu и SVA. Их вставки неоднократно оказывались причиной генетических заболеваний [219, 220], а более древние копии были кооптированы в качестве регуляторных элементов [221]. Полиморфные вставки, отсутствующие в референсе, выявляют по коротким прочтениям с помощью MELT [222] или MEGAnE [223], по длинным прочтениям — с помощью PALMER [224], а по комбинированным данным — с помощью xTea [225]. Нанопоровые прочтения дополнительно сообщают о статусе метилирования отдельных элементов [226], а графовые геномы дают единый способ генотипирования инсерционных полиморфизмов [227].</p>
        <p>Популяционные исследования показывают, что эти варианты значимы. По фазированным сборкам идентифицировано 130 наиболее активных элементов-источников [92], секвенирование 1 019 человек длинными прочтениями позволило проследить трансдукции, опосредованные L1 и SVA [97], а варианты мобильных элементов ассоциированы с изменениями экспрессии генов чаще, чем SNV, и могут напрямую тестироваться в полногеномных исследованиях ассоциаций [223]. В T2T-CHM13 аннотацию повторов объединили с данными о транскрипции и метилировании CpG, чтобы определить, какие элементы активны, в том числе в центромерах [210, 228].</p>
      </sec>
      <sec id="s5-9">
        <title>5.3 Сателлитная ДНК и центромеры</title>
        <p>Перицентромерные и центромерные сателлиты занимают 6,2% T2T-CHM13 (189,9 Мб) и почти полностью отсутствовали в прежних референсах [229]. Центромеры человека состоят из мономеров α-сателлита длиной около 171 п.н., организованных в повторы высшего порядка (HOR), которые образуют массивы протяжённостью в несколько мегабаз [230].</p>
        <p>Для сборки этих массивов потребовались специальные методы, такие как centroFlye [231]. Инструменты аннотации раскладывают массивы на мономеры и HOR: StringDecomposer [232], HORmon [233], Satellite Repeat Finder [234] и TRASH [235]. Тепловые карты идентичности последовательностей, построенные в StainedGlass [236] и ModDotPlot [237], выявляют слоистую структуру массивов, а локальный провал метилирования CpG отмечает вероятное место сборки кинетохора [228].</p>
        <p>Центромеры относятся к наиболее быстро эволюционирующим участкам генома. Сравнение двух полных наборов центромер человека показало не менее чем 4,1-кратный избыток однонуклеотидной изменчивости по сравнению с уникальными фланкирующими последовательностями, различия в размере массивов до 3 раз и 45,8% центромерной последовательности, которую не удалось надёжно выровнять между двумя геномами [238]. Среди 1 246 собранных центромер от людей различного происхождения длина массивов HOR α-сателлита различается до 30 раз [58]. Поэтому стандартное выявление вариантов на основе выравнивания для этих участков непригодно, и анализ опирается на сравнение структуры HOR между сборками.</p>
      </sec>
      <sec id="s5-10">
        <title>5.4 Короткие тандемные повторы и тандемные повторы с вариабельным числом копий</title>
        <p>Тандемные повторы мутируют путём изменения числа копий с частотой, намного превышающей частоту точечных мутаций, и вносят вклад как в нормальную изменчивость, так и в заболевания [239–241]. Экспансии вызывают более 50 заболеваний, большинство из которых неврологические [242]. Полногеномный каталог участков тандемных повторов покрывает 8,1% генома, но содержит около 24,9% вариантов, обнаруживаемых у одного человека [243].</p>
        <p>Основой большинства каталогов повторов остаётся Tandem Repeats Finder [244]. Генотипирование по коротким прочтениям развивалось через lobSTR [245] и HipSTR [246] для аллелей короче прочтения и через ExpansionHunter [247], GangSTR [248], STRetch [249] и STRling [250] для экспансий; STRling также выявляет экспансии в локусах, отсутствующих в референсе. Секвенирование генома в сочетании с анализом сцепления позволило установить, что интронная экспансия в RFC1 — частая причина атаксии с поздним началом [251], а полногеномное секвенирование было оценено в сравнении с ПЦР-тестированием для диагностики неврологических заболеваний, вызванных экспансией повторов [252]. Популяционные ресурсы включают генотипы более чем 1,7 миллиона локусов у 3 550 человек с фазированной панелью для импутации тандемных повторов по близлежащим SNP [253] и TR-gnomAD с 0,86 миллиона локусов, генотипированных в 338 963 геномах [254].</p>
        <p>Короткие прочтения не позволяют определить размер длинных или прерванных аллелей. Инструменты для длинных прочтений считывают полную последовательность аллеля, состав его мотивов и, при наличии данных, метилирование: TRGT для данных HiFi [255], Straglr [256] и LongTR [257]. Vamos аннотирует тандемные повторы с вариабельным числом копий с помощью эффективных наборов мотивов [258], а danbing-tk генотипирует их по коротким прочтениям с помощью графов пангенома повторов [259]. Эталон, построенный по 86 сборкам с разрешёнными гаплотипами и образцу HG002, теперь позволяет сравнивать эти инструменты [243].</p>
        <p>Данные родословных подтверждают, что тандемные повторы дают основной вклад в мутационный поток за поколение. В семье из четырёх поколений около 65 инделов и SV de novo на одну передачу возникло в тандемных повторах — при примерно 75 SNV de novo, — а 32 локуса мутировали повторно [134].</p>
      </sec>
      <sec id="s5-11">
        <title>5.5 Сегментные дупликации</title>
        <p>Сегментные дупликации (SD) — это блоки длиннее 1 т.п.н. с идентичностью не менее 90%. Ранний полногеномный анализ связал их с горячими точками геномной нестабильности и заболеваний [260]. С появлением полного генома оценка содержания SD выросла с 5,4% до 7,0% (218 Мб), и на SD пришлась почти треть последовательности, добавленной в T2T-CHM13 [261]. SEDEF [262] и BISER [263] выявляют SD в одной или многих сборках.</p>
        <p>SD играют центральную роль в эволюции человека и в медицинской генетике. Они дали начало специфичным для человека генам (раздел 4.3), опосредуют повторяющиеся микроделеции и микродупликации и подвержены частой межлокусной генной конверсии [209]. Короткие прочтения редко картируются на паралоги однозначно, поэтому для генотипирования нужны специализированные инструменты. Paraphase разрешает гаплотипы SMN1 и SMN2 по прочтениям HiFi [264], а Locityper подбирает для каждого локуса наиболее подходящую пару гаплотипов пангенома [206]. Фазированные сборки теперь полностью перекрывают такие локусы, как SMN1/SMN2 и AMY1/AMY2 [58]. Массивы рибосомной ДНК на коротких плечах акроцентрических хромосом остаются крупнейшими повторами, для которых нет рутинной сборки [4, 208].</p>
      </sec>
      <sec id="s5-12">
        <title>5.6 Выявление повторов всех классов de novo без библиотек</title>
        <p>Описанные выше инструменты специализированы: каждый нацелен на один класс повторов, и многие зависят от курируемых библиотек или от априорной модели структуры повтора. Дополняющая их стратегия состоит в том, чтобы выявлять все повторяющиеся последовательности непосредственно в сборке, без библиотеки и референсной аннотации, и лишь затем группировать копии в семейства. Это полезно для вновь собранных геномов, для участков, где библиотеки неполны (например, сателлитных массивов), и как независимая проверка маскирования, основанного на библиотеках.</p>
        <p>Repeater реализует эту стратегию как сравнение последовательности с самой собой [265]. В текущей версии индексируются все k-меры прямой и обратно-комплементарной цепей, а встречающиеся только один раз отбрасываются. Каждая пара позиций с общей затравкой расширяется в локальное выравнивание без пропусков, допускающее единичные несовпадения; перекрывающиеся выравнивания объединяются в копии повторов, а копии, выравнивающиеся друг с другом, кластеризуются в семейства. Таким образом, прямые и инвертированные повторы обнаруживаются за один проход. Та же процедура выдаёт диспергированные элементы, тандемные повторы и массивы высшего порядка, такие как теломерные и сателлитные последовательности, а отдельный режим, работающий за линейное время, выдаёт микросателлиты и другие локусы низкой сложности.</p>
        <p>Repeater записывает таблицу координат копий повторов с указанием их кластеров, последовательность с мягким маскированием и рисунок ландшафта повторов, на котором прямые копии отличаются от обратно-комплементарных. Это программа командной строки на Java, распространяемая по лицензии GPL-3.0; основной параметр, определяющий чувствительность и скорость, — длина затравки (по умолчанию 18). Последовательности в файле с несколькими записями анализируются по одной, поэтому копии, расположенные на разных хромосомах, не объединяются в одно семейство.</p>
        <p>TotalRepeats применяет подход без выравнивания к целым геномам и к наборам геномов [266]. Сначала выявляются короткие тандемные повторы и повторы низкой сложности. Затем подсчитываются все k-меры на обеих цепях, помечаются основания, покрытые k-мерами, которые встречаются не менее двух раз, и покрытые участки объединяются в блоки повторов. Блоки группируются в семейства по косинусному сходству профилей состава 4-меров с порогом, калибруемым по данным каждого запуска, либо по включению k-меров (containment). При необходимости семействам можно присвоить названия по Repbase, Dfam или пользовательской библиотеке, что связывает выявление de novo с устоявшимися классификациями.</p>
        <p>Помимо таблиц аннотации, последовательности с мягким маскированием и графиков ландшафта, TotalRepeats имеет сравнительные режимы для коллекций геномов. В них семейства повторов классифицируются как core, soft-core, shell или cloud, оценивается открытость пангенома повторов и по общему содержанию повторов вычисляются расстояния между геномами. Программа также может импортировать маски RepeatMasker и сравнивать их с собственными, так что оба подхода можно использовать совместно. В настоящее время TotalRepeats документирован в репозитории программы и пока не имеет рецензированного описания; приведённые там значения времени работы относятся к последовательностям длиной 1,4–15 Мб.</p>
        <p>Оба инструмента лучше всего рассматривать как дополнение к аннотации на основе библиотек. Семейства, выделенные по сходству, не являются классификацией мобильных элементов, и для сборок генома человека их результаты следует сопоставлять с аннотацией RepeatMasker и Dfam, прежде чем делать биологические выводы. Характерные инструменты приведены в таблице 4.</p>
        <p><bold>Таблица 4. Характерные инструменты для анализа повторов.</bold></p>
        <table-wrap id="tbl11" position="float">
          <label>Table 11</label>
          <table><thead><tr><th>Класс повторов</th><th>Задача</th><th>Инструменты</th><th>Ссылки</th></tr></thead><tbody><tr><td>Мобильные элементы</td><td>Аннотация референсного генома</td><td>RepeatMasker с Dfam или Repbase</td><td>[212–214]</td></tr><tr><td>Мобильные элементы</td><td>Выявление семейств de novo</td><td>RepeatModeler2, EDTA, HiTE</td><td>[215–217]</td></tr><tr><td>Мобильные элементы</td><td>Полиморфные вставки, короткие прочтения</td><td>MELT, MEGAnE, xTea</td><td>[222, 223, 225]</td></tr><tr><td>Мобильные элементы</td><td>Полиморфные вставки, длинные прочтения</td><td>PALMER, xTea, TLDR</td><td>[224–226]</td></tr><tr><td>Сателлиты и центромеры</td><td>Сборка</td><td>centroFlye, Verkko, hifiasm</td><td>[32, 34, 231]</td></tr><tr><td>Сателлиты и центромеры</td><td>Аннотация мономеров и HOR</td><td>StringDecomposer, HORmon, Satellite Repeat Finder, TRASH</td><td>[232–235]</td></tr><tr><td>Сателлиты и центромеры</td><td>Визуализация</td><td>StainedGlass, ModDotPlot</td><td>[236, 237]</td></tr><tr><td>Тандемные повторы</td><td>Выявление в последовательности</td><td>Tandem Repeats Finder</td><td>[244]</td></tr><tr><td>Тандемные повторы</td><td>Генотипирование, короткие прочтения</td><td>HipSTR, ExpansionHunter, GangSTR, STRetch, STRling</td><td>[246–250]</td></tr><tr><td>Тандемные повторы</td><td>Генотипирование, длинные прочтения</td><td>TRGT, Straglr, LongTR, vamos</td><td>[255–258]</td></tr><tr><td>Сегментные дупликации</td><td>Выявление</td><td>SEDEF, BISER</td><td>[262, 263]</td></tr><tr><td>Сегментные дупликации</td><td>Генотипирование с учётом паралогов</td><td>Paraphase, Locityper</td><td>[206, 264]</td></tr><tr><td>Все классы</td><td>Выявление de novo без библиотек, маскирование и визуализация</td><td>Repeater, TotalRepeats</td><td>[265, 266]</td></tr></tbody></table>
        </table-wrap>
      </sec>
      <sec id="s5-13">
        <title>5.1 Адам геномындағы қайталану кластары</title>
        <p>Қайталанулар адам геномының жартысынан астамын құрайды. Геномның алғашқы жобалық нұсқасында тізбектің шамамен 45%-ы мобильді элементтерге жатқызылған [1], ал T2T-CHM13 жинағын аннотациялау қайталанулардың жалпы үлесін шамамен 54%-ға дейін көтерді [4, 210]. Әдетте төрт класс ажыратылады, өйткені олардың шығу тегі, мутациялық сипаты және зерттеуге қажетті құралдары әртүрлі: шашыраңқы мобильді элементтер (TE), сателлиттік ДНҚ, қысқа тандемдік қайталанулар мен көшірме саны өзгермелі тандемдік қайталанулар және сегменттік дупликациялар. Қайталанулар ұзақ уақыт бойы геномды талдау кезінде бүркемеленіп, ескерілмей келді; толық жинақтардың арқасында қазір оларды тікелей өлшеуге болады.</p>
      </sec>
      <sec id="s5-14">
        <title>5.2 Мобильді элементтер</title>
        <p>Мобильді элементтер транспозиция механизмі мен құрылымына қарай иерархиялық түрде жіктеледі [211]. Референстік аннотация үшін әдетте RepeatMasker [212] бағдарламасы Repbase және Dfam дерекқорларындағы курацияланған консенсус тізбектермен немесе профильдік жасырын марковтық модельдермен бірге қолданылады [213, 214]. Жаңа жинақтар мен модельдік емес түрлер үшін тұқымдастар алдымен RepeatModeler2 [215], EDTA [216] немесе HiTE [217] көмегімен de novo анықталады. Шашыраңқы және тандемдік қайталануларды бірге анықтайтын, кітапхананы қажет етпейтін құралдар 5.6-бөлімде сипатталған. Алынған кітапханаларды қолмен курациялау әлі де ұсынылады, ал қолда бар бағдарламалық құралдарға егжей-тегжейлі шолу жасалған [218].</p>
        <p>Адамда тек L1, Alu және SVA элементтері ғана белсенділігін сақтаған. Олардың инсерциялары генетикалық аурулардың қайталанып кездесетін себебі болып табылады [219, 220], ал ескірек көшірмелері реттеуші элементтер ретінде бейімделген [221]. Референсте жоқ полиморфты инсерциялар қысқа оқылымдар бойынша MELT [222] немесе MEGAnE [223] көмегімен, ұзын оқылымдар бойынша PALMER [224] көмегімен, ал біріктірілген деректер бойынша xTea [225] көмегімен анықталады. Нанопоралық оқылымдар бұған қоса жекелеген элементтердің метилдену күйін де көрсетеді [226], ал графтық геномдар инсерциялық полиморфизмдерді генотиптеудің бірыңғай тәсілін ұсынады [227].</p>
        <p>Популяциялық зерттеулер бұл нұсқалардың маңызды екенін көрсетеді. Фазаланған жинақтар ең белсенді бастапқы элементтердің 130-ын анықтады [92], 1 019 адамды ұзын оқылымдармен секвенирлеу L1 және SVA элементтері арқылы жүретін трансдукцияларды қадағалауға мүмкіндік берді [97], ал мобильді элементтердің нұсқалары ген экспрессиясының өзгерістерімен SNV-лерге қарағанда жиірек байланысты және оларды толық геномдық ассоциациялық зерттеулерде тікелей тексеруге болады [223]. T2T-CHM13 жинағында қайталануларды аннотациялау транскрипция және CpG метилденуі деректерімен біріктіріліп, қай элементтердің, соның ішінде центромералардағы элементтердің, белсенді екені анықталды [210, 228].</p>
      </sec>
      <sec id="s5-15">
        <title>5.3 Сателлиттік ДНҚ және центромералар</title>
        <p>Перицентромералық және центромералық сателлиттер T2T-CHM13 жинағының 6,2%-ын (189,9 Мб) алып жатыр және бұрынғы референстерде мүлде дерлік болмаған [229]. Адам центромералары ұзындығы шамамен 171 ж.н. α-сателлиттік мономерлерден тұрады; мономерлер жоғары ретті қайталануларға (HOR) ұйымдасып, ұзындығы бірнеше мегабаза болатын массивтер түзеді [230].</p>
        <p>Бұл массивтерді құрастыру centroFlye [231] сияқты арнайы әдістерді қажет етті. Аннотациялау құралдары массивтерді мономерлер мен HOR-ларға жіктейді: StringDecomposer [232], HORmon [233], Satellite Repeat Finder [234] және TRASH [235]. StainedGlass [236] және ModDotPlot [237] құралдарымен алынатын тізбектер ұқсастығының жылу карталары массивтердің қабатты құрылымын айқындайды, ал CpG метилденуінің жергілікті төмендеуі кинетохордың жиналатын ықтимал орнын көрсетеді [228].</p>
        <p>Центромералар геномның ең жылдам эволюцияланатын аймақтарының қатарына жатады. Адам центромераларының екі толық жиынтығын салыстыру бір нуклеотидті өзгергіштіктің іргелес бірегей тізбектерге қарағанда кемінде 4,1 есе артық екенін, массив көлемінің 3 есеге дейін өзгеретінін және центромералық тізбектің 45,8%-ын екі геном арасында сенімді туралау мүмкін болмағанын көрсетті [238]. Әртүрлі адамдардан құрастырылған 1 246 центромерада α-сателлиттік HOR массивтерінің ұзындығы 30 есеге дейін өзгереді [58]. Сондықтан туралауға негізделген стандартты нұсқа анықтау бұл аймақтарға жарамсыз, ал талдау HOR құрылымын жинақтар арасында салыстыруға сүйенеді.</p>
      </sec>
      <sec id="s5-16">
        <title>5.4 Қысқа тандемдік қайталанулар және көшірме саны өзгермелі тандемдік қайталанулар</title>
        <p>Тандемдік қайталанулар көшірме санының өзгеруі арқылы нүктелік мутациялардан әлдеқайда жоғары жиілікпен мутацияға ұшырайды және қалыпты өзгергіштікке де, ауруларға да үлес қосады [239–241]. Экспансиялар 50-ден астам ауруды тудырады, олардың көпшілігі — неврологиялық аурулар [242]. Тандемдік қайталанулар аймақтарының толық геномдық каталогы геномның 8,1%-ын қамтиды, бірақ онда бір адамда табылатын нұсқалардың шамамен 24,9%-ы шоғырланған [243].</p>
        <p>Tandem Repeats Finder қайталанулар каталогтарының көпшілігінің негізі болып қала береді [244]. Қысқа оқылымдар бойынша генотиптеу оқылымнан қысқа аллельдер үшін lobSTR [245] және HipSTR [246] арқылы, ал экспансиялар үшін ExpansionHunter [247], GangSTR [248], STRetch [249] және STRling [250] арқылы дамыды; STRling сонымен қатар референсте жоқ локустардағы экспансияларды анықтайды. Геномды секвенирлеуді тіркесу талдауымен ұштастыру RFC1 геніндегі интрондық экспансияның кеш басталатын атаксияның жиі себебі екенін анықтады [251], ал қайталанулар экспансиясынан туындайтын неврологиялық ауруларды диагностикалауда толық геномдық секвенирлеу ПТР-ге негізделген тестілеумен салыстырылып бағаланды [252]. Популяциялық ресурстарға 3 550 адамдағы 1,7 миллионнан астам локустың генотиптері және тандемдік қайталануларды іргелес SNP-лер бойынша импутациялауға арналған фазаланған панель [253], сондай-ақ 338 963 геномда 0,86 миллион локус генотиптелген TR-gnomAD [254] жатады.</p>
        <p>Қысқа оқылымдар ұзын немесе үзілістері бар аллельдердің ұзындығын анықтай алмайды. Ұзын оқылымдарға арналған құралдар аллельдің толық тізбегін, мотивтік құрамын және, деректер болған жағдайда, метилденуін оқиды: HiFi деректеріне арналған TRGT [255], Straglr [256] және LongTR [257]. Vamos көшірме саны өзгермелі тандемдік қайталануларды тиімді мотивтер жиынтықтары арқылы аннотациялайды [258], ал danbing-tk оларды қысқа оқылымдар бойынша қайталанулардың пангеномдық графтары көмегімен генотиптейді [259]. Гаплотиптер бойынша ажыратылған 86 жинақ пен HG002 үлгісі негізінде жасалған эталон қазір бұл құралдарды салыстыруға мүмкіндік береді [243].</p>
        <p>Шежірелік деректер бір ұрпаққа келетін мутациялық үлесте тандемдік қайталанулардың басым екенін растайды. Төрт ұрпақты отбасында бір ұрпаққа берілу кезіндегі de novo инделдер мен SV-лердің шамамен 65-і тандемдік қайталануларда пайда болған, ал de novo SNV-лер саны шамамен 75 болған; 32 локус қайталап мутацияға ұшыраған [134].</p>
      </sec>
      <sec id="s5-17">
        <title>5.5 Сегменттік дупликациялар</title>
        <p>Сегменттік дупликациялар (SD) — ұзындығы 1 мың ж.н.-нан асатын, ұқсастығы кемінде 90% болатын блоктар. Алғашқы толық геномдық талдау оларды геномдық тұрақсыздықтың және аурулардың «ыстық нүктелерімен» байланыстырды [260]. Толық геном алынғаннан кейін SD үлесінің бағасы 5,4%-дан 7,0%-ға (218 Мб) дейін өсті, ал T2T-CHM13 қосқан тізбектің үштен біріне жуығы SD-лерге тиесілі болды [261]. SEDEF [262] және BISER [263] SD-лерді бір немесе бірнеше жинақта анықтайды.</p>
        <p>SD-лер адам эволюциясында да, медициналық генетикада да басты орын алады. Олар адамға ғана тән гендердің пайда болуына негіз болды (4.3-бөлім), қайталанып кездесетін микроделециялар мен микродупликацияларға себепші болады және жиі локусаралық гендік конверсияға ұшырайды [209]. Қысқа оқылымдар паралогтарға сирек бір мәнді карталанады, сондықтан генотиптеу үшін арнайы құралдар қажет. Paraphase SMN1 және SMN2 гаплотиптерін HiFi оқылымдары бойынша ажыратады [264], ал Locityper әр локус үшін ең сәйкес келетін пангеном гаплотиптерінің жұбын таңдайды [206]. Фазаланған жинақтар қазір SMN1/SMN2 және AMY1/AMY2 сияқты локустарды толығымен қамтиды [58]. Акроцентрлік хромосомалардың қысқа иықтарындағы рибосомалық ДНҚ массивтері әдеттегі тәртіппен құрастырылмайтын ең ірі қайталанулар болып қалуда [4, 208].</p>
      </sec>
      <sec id="s5-18">
        <title>5.6 Барлық кластағы қайталануларды кітапханасыз de novo анықтау</title>
        <p>Жоғарыда сипатталған құралдар мамандандырылған: әрқайсысы қайталанулардың бір класына бағытталған, ал көбі курацияланған кітапханаларға немесе қайталану құрылымының алдын ала берілген моделіне тәуелді. Оларды толықтыратын стратегия жинақтағы әрбір қайталанатын тізбекті кітапханасыз және референстік аннотациясыз тікелей анықтайды, ал көшірмелерді тұқымдастарға кейін топтастырады. Бұл жаңадан құрастырылған геномдар үшін, кітапханалары толық емес сателлиттік массивтер сияқты аймақтар үшін, сондай-ақ кітапханаға негізделген бүркемелеуді тәуелсіз тексеру ретінде пайдалы.</p>
        <p>Repeater бұл стратегияны тізбекті өзімен-өзін салыстыру ретінде іске асырады [265]. Қазіргі нұсқасында тура және кері комплементарлы тізбектердегі барлық k-мерлер индекстеледі, ал бір-ақ рет кездесетіндері алынып тасталады. Ортақ бастапқы сәйкестігі бар әрбір позициялар жұбы жекелеген сәйкессіздіктерге жол беретін үзіліссіз жергілікті туралауға дейін ұзартылады, қабаттасатын туралаулар қайталану көшірмелеріне біріктіріледі, ал бір-бірімен тураланатын көшірмелер тұқымдастарға кластерленеді. Осылайша тура және инверсияланған қайталанулар бір өтуде табылады. Дәл осы рәсім шашыраңқы элементтерді, тандемдік қайталануларды және теломералық әрі сателлиттік тізбектер сияқты жоғары ретті массивтерді анықтайды, ал сызықтық уақытта жұмыс істейтін бөлек режим микросателлиттерді және күрделілігі төмен басқа да локустарды анықтайды.</p>
        <p>Repeater қайталану көшірмелерінің координаттар кестесін олардың кластерлерге жатқызылуымен бірге, жұмсақ бүркемеленген (soft-masked) тізбекті және тура көшірмелерді кері комплементарлы көшірмелерден ажырататын қайталанулар ландшафтының суретін шығарады. Бұл — GPL-3.0 лицензиясымен таратылатын, пәрмен жолынан іске қосылатын Java бағдарламасы, ал бастапқы сәйкестік ұзындығы (әдепкі мәні 18) сезімталдық пен жылдамдықты басқаратын негізгі параметр болып табылады. Бірнеше жазбасы бар файлдағы тізбектер бір-бірлеп талданады, сондықтан әртүрлі хромосомаларда орналасқан көшірмелер бір тұқымдасқа біріктірілмейді.</p>
        <p>TotalRepeats туралауды қажет етпейтін тәсілді тұтас геномдарға және геномдар жиынтықтарына қолданады [266]. Алдымен қысқа тандемдік қайталанулар мен күрделілігі төмен қайталанулар анықталады. Содан кейін екі тізбектегі барлық k-мерлер саналады, кемінде екі рет кездесетін k-мерлер жабатын нуклеотидтер белгіленеді, ал жабылған учаскелер қайталану блоктарына біріктіріледі. Блоктар тұқымдастарға 4-мерлік құрам профильдерінің косинустық ұқсастығы бойынша топтастырылады, бұл ретте шекті мән әр іске қосудың деректері бойынша калибрленеді; балама ретінде k-мерлердің қамтылуы (containment) бойынша топтастыруға болады. Қажет болса, тұқымдастарға Repbase, Dfam немесе пайдаланушының өз кітапханасы бойынша атау беруге болады, бұл de novo іздеуді қалыптасқан жіктеулермен байланыстырады.</p>
        <p>Аннотация кестелеріне, жұмсақ бүркемеленген тізбекке және ландшафт графиктеріне қоса, TotalRepeats бағдарламасында геномдар топтамаларына арналған салыстырмалы режимдер бар. Олар қайталанулар тұқымдастарын өзектік (core), жұмсақ өзектік (soft-core), қабықтық (shell) немесе бұлттық (cloud) деп жіктейді, қайталанулар пангеномының ашықтығын бағалайды және геномдар арасындағы қашықтықтарды ортақ қайталанулар құрамы бойынша есептейді. Сондай-ақ бағдарлама RepeatMasker маскаларын импорттап, оларды өз маскаларымен салыстыра алады, сондықтан екі тәсілді бірге қолдануға болады. TotalRepeats қазіргі уақытта өзінің бағдарламалық репозиторийінде құжатталған және оның рецензияланған сипаттамасы әзірге жоқ; онда келтірілген жұмыс уақыттары ұзындығы 1,4–15 Мб тізбектерге қатысты.</p>
        <p>Екі құралды да кітапханаға негізделген аннотацияға қосымша ретінде қарастырған жөн. Ұқсастыққа негізделген тұқымдастар мобильді элементтердің жіктелуі болып табылмайды, сондықтан адам геномының жинақтары үшін биологиялық қорытынды жасамас бұрын олардың нәтижелерін RepeatMasker және Dfam аннотациясымен салыстыру керек. Негізгі құралдар 4-кестеде келтірілген.</p>
        <p><bold>4-кесте. Қайталануларды талдауға арналған негізгі құралдар.</bold></p>
        <table-wrap id="tbl12" position="float">
          <label>Table 12</label>
          <table><thead><tr><th>Қайталану класы</th><th>Міндет</th><th>Құралдар</th><th>Дереккөздер</th></tr></thead><tbody><tr><td>Мобильді элементтер</td><td>Референстік аннотация</td><td>RepeatMasker, Dfam немесе Repbase кітапханасымен</td><td>[212–214]</td></tr><tr><td>Мобильді элементтер</td><td>Тұқымдастарды de novo анықтау</td><td>RepeatModeler2, EDTA, HiTE</td><td>[215–217]</td></tr><tr><td>Мобильді элементтер</td><td>Полиморфты инсерциялар, қысқа оқылымдар</td><td>MELT, MEGAnE, xTea</td><td>[222, 223, 225]</td></tr><tr><td>Мобильді элементтер</td><td>Полиморфты инсерциялар, ұзын оқылымдар</td><td>PALMER, xTea, TLDR</td><td>[224–226]</td></tr><tr><td>Сателлиттер және центромералар</td><td>Құрастыру</td><td>centroFlye, Verkko, hifiasm</td><td>[32, 34, 231]</td></tr><tr><td>Сателлиттер және центромералар</td><td>Мономерлер мен HOR-ларды аннотациялау</td><td>StringDecomposer, HORmon, Satellite Repeat Finder, TRASH</td><td>[232–235]</td></tr><tr><td>Сателлиттер және центромералар</td><td>Визуализация</td><td>StainedGlass, ModDotPlot</td><td>[236, 237]</td></tr><tr><td>Тандемдік қайталанулар</td><td>Тізбекте анықтау</td><td>Tandem Repeats Finder</td><td>[244]</td></tr><tr><td>Тандемдік қайталанулар</td><td>Генотиптеу, қысқа оқылымдар</td><td>HipSTR, ExpansionHunter, GangSTR, STRetch, STRling</td><td>[246–250]</td></tr><tr><td>Тандемдік қайталанулар</td><td>Генотиптеу, ұзын оқылымдар</td><td>TRGT, Straglr, LongTR, vamos</td><td>[255–258]</td></tr><tr><td>Сегменттік дупликациялар</td><td>Анықтау</td><td>SEDEF, BISER</td><td>[262, 263]</td></tr><tr><td>Сегменттік дупликациялар</td><td>Паралогтарды ескеретін генотиптеу</td><td>Paraphase, Locityper</td><td>[206, 264]</td></tr><tr><td>Барлық кластар</td><td>Кітапханасыз de novo анықтау, бүркемелеу және визуализация</td><td>Repeater, TotalRepeats</td><td>[265, 266]</td></tr></tbody></table>
        </table-wrap>
      </sec>
    </sec>
    <sec id="conclusions" sec-type="conclusions">
      <title>6. Conclusions and future perspectives</title>
      <p>Genomic analysis is shifting from a model centred on one incomplete reference and short reads to one centred on complete, phased assemblies and collections of such assemblies. Three consequences follow from the work reviewed here.</p>
      <p>First, assembly has become a routine starting point for variant discovery. In the complete HG002 benchmark, de novo assembly recovered more of the genome and was more accurate than mapping-based variant calling [57]. Second, classes of variation that were previously set aside can now be measured: structural variants, tandem repeats, segmental duplications and centromeric satellites together account for most of the bases that differ between two genomes and for a large share of new mutations [58, 134]. Third, pangenomes and complete primate genomes allow comparisons within and between species that do not depend on what a single reference happens to contain [11, 16].</p>
      <p>Several challenges will shape the next few years:</p>
      <p>Scale and cost. Long-read sequencing of biobank-sized cohorts is still expensive. In the meantime, pangenome-based genotyping and imputation are the practical way to recover complex variation from existing short-read data.</p>
      <p>Standards. Coordinate systems, graph formats, annotation of pangenomes and the representation of variants inside repeats are not yet settled, which hinders exchange between tools and databases.</p>
      <p>Interpretation. Predicting the functional effect of non-coding, repeat-associated and structural variants lags behind their discovery. Deep-learning predictors need independent validation, particularly for ancestries that are scarce in training data.</p>
      <p>Representation. Reference panels, frequency databases and pangenomes still under-sample much of the world, including Central Asia. Regional sequencing and assembly projects are needed for equitable use of genomic medicine.</p>
      <p>Remaining technical gaps. Ribosomal DNA arrays, the largest satellite arrays, somatic mosaicism and fully automated curation of assemblies remain open problems.</p>
      <p>For practitioners, the choice of tools should follow the data type and the class of variation under study, results should be validated against the available benchmarks, and software versions and parameters should be reported so that analyses can be reproduced.</p>
    </sec>
    <sec id="ai-declaration">
      <title>Declaration of generative AI and AI-assisted technologies in the writing process</title>
      <p>During the preparation of this work the authors used Claude (model Claude Fable 5.2; Anthropic) in order to search and screen the literature, to draft and structure the text of the manuscript, to prepare the tables and the workflow figure, and to compile and format the reference list. After using this tool, the authors reviewed and edited the content as needed and take full responsibility for the content of the publication.</p>
    </sec>
  </body>
  <back>
    <sec sec-type="author-contributions"><title>Author Contributions</title><p>All authors contributed equally to this work: conceptualization, literature search, writing of the original draft, and review and editing. The authors are listed in alphabetical order. All authors read and approved the final manuscript.</p></sec>
    <sec sec-type="data-availability"><title>Data Availability</title><p>No new data were generated for this review. Bibliographic details and DOIs of the cited articles were checked against PubMed records.</p></sec>
    <sec sec-type="ethics"><title>Ethics</title><p>Not applicable.</p></sec>
    <fn-group><fn fn-type="conflict"><p>The authors declare no competing interests.</p></fn></fn-group>
    <ref-list>
      <title>References</title>
      <ref id="ref1">
        <mixed-citation>Lander ES, Linton LM, Birren B, Nusbaum C, Zody MC, Baldwin J, et al. Initial sequencing and analysis of the human genome. <italic>Nature</italic>. 2001; 409(6822): 860-921. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/35057062">https://doi.org/10.1038/35057062</ext-link> <pub-id pub-id-type="doi">10.1038/35057062</pub-id></mixed-citation>
      </ref>
      <ref id="ref2">
        <mixed-citation>Venter JC, Adams MD, Myers EW, Li PW, Mural RJ, Sutton GG, et al. The sequence of the human genome. <italic>Science</italic>. 2001; 291(5507): 1304-51. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.1058040">https://doi.org/10.1126/science.1058040</ext-link> <pub-id pub-id-type="doi">10.1126/science.1058040</pub-id></mixed-citation>
      </ref>
      <ref id="ref3">
        <mixed-citation>Schneider VA, Graves-Lindsay T, Howe K, Bouk N, Chen HC, Kitts PA, et al. Evaluation of GRCh38 and de novo haploid genome assemblies demonstrates the enduring quality of the reference assembly. <italic>Genome Res</italic>. 2017; 27(5): 849-864. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.213611.116">https://doi.org/10.1101/gr.213611.116</ext-link> <pub-id pub-id-type="doi">10.1101/gr.213611.116</pub-id></mixed-citation>
      </ref>
      <ref id="ref4">
        <mixed-citation>Nurk S, Koren S, Rhie A, Rautiainen M, Bzikadze AV, Mikheenko A, et al. The complete sequence of a human genome. <italic>Science</italic>. 2022; 376(6588): 44-53. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abj6987">https://doi.org/10.1126/science.abj6987</ext-link> <pub-id pub-id-type="doi">10.1126/science.abj6987</pub-id></mixed-citation>
      </ref>
      <ref id="ref5">
        <mixed-citation>Wenger AM, Peluso P, Rowell WJ, Chang PC, Hall RJ, Concepcion GT, et al. Accurate circular consensus long-read sequencing improves variant detection and assembly of a human genome. <italic>Nat Biotechnol</italic>. 2019; 37(10): 1155-1162. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-019-0217-9">https://doi.org/10.1038/s41587-019-0217-9</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-019-0217-9</pub-id></mixed-citation>
      </ref>
      <ref id="ref6">
        <mixed-citation>Jain M, Koren S, Miga KH, Quick J, Rand AC, Sasani TA, et al. Nanopore sequencing and assembly of a human genome with ultra-long reads. <italic>Nat Biotechnol</italic>. 2018; 36(4): 338-345. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nbt.4060">https://doi.org/10.1038/nbt.4060</ext-link> <pub-id pub-id-type="doi">10.1038/nbt.4060</pub-id></mixed-citation>
      </ref>
      <ref id="ref7">
        <mixed-citation>Logsdon GA, Vollger MR, Eichler EE. Long-read human genome sequencing and its applications. <italic>Nat Rev Genet</italic>. 2020; 21(10): 597-614. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41576-020-0236-x">https://doi.org/10.1038/s41576-020-0236-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41576-020-0236-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref8">
        <mixed-citation>Wang Y, Zhao Y, Bollas A, Wang Y, Au KF. Nanopore sequencing technology, bioinformatics and applications. <italic>Nat Biotechnol</italic>. 2021; 39(11): 1348-1365. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-021-01108-x">https://doi.org/10.1038/s41587-021-01108-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-021-01108-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref9">
        <mixed-citation>Rhie A, Nurk S, Cechova M, Hoyt SJ, Taylor DJ, Altemose N, et al. The complete sequence of a human Y chromosome. <italic>Nature</italic>. 2023; 621(7978): 344-354. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-023-06457-y">https://doi.org/10.1038/s41586-023-06457-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-023-06457-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref10">
        <mixed-citation>Wang T, Antonacci-Fulton L, Howe K, Lawson HA, Lucas JK, Phillippy AM, et al. The Human Pangenome Project: a global resource to map genomic diversity. <italic>Nature</italic>. 2022; 604(7906): 437-446. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-022-04601-8">https://doi.org/10.1038/s41586-022-04601-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-022-04601-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref11">
        <mixed-citation>Liao WW, Asri M, Ebler J, Doerr D, Haukness M, Hickey G, et al. A draft human pangenome reference. <italic>Nature</italic>. 2023; 617(7960): 312-324. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-023-05896-x">https://doi.org/10.1038/s41586-023-05896-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-023-05896-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref12">
        <mixed-citation>Lucas JK, Hebbar P, Liao WW, Macias-Velasco JF, Novak AM, Asri M, et al. HPRC2: A human pangenome reference with near-complete coverage of common genetic variation. <italic>bioRxiv</italic> [Preprint], version 1, posted 22 July 2026; not peer reviewed. 2026. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.64898/2026.07.21.739710">https://doi.org/10.64898/2026.07.21.739710</ext-link>. PMID: 42539208; PMCID: <ext-link ext-link-type="uri" xlink:href="https://pmc.ncbi.nlm.nih.gov/articles/PMC13419748/">PMC13419748</ext-link> <pub-id pub-id-type="doi">10.64898/2026.07.21.739710</pub-id></mixed-citation>
      </ref>
      <ref id="ref13">
        <mixed-citation>All of Us Research Program Genomics Investigators. Genomic data in the All of Us Research Program. <italic>Nature</italic>. 2024; 627(8003): 340-346. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-023-06957-x">https://doi.org/10.1038/s41586-023-06957-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-023-06957-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref14">
        <mixed-citation>UK Biobank Whole-Genome Sequencing Consortium. Whole-genome sequencing of 490,640 UK Biobank participants. <italic>Nature</italic>. 2025; 645(8081): 692-701. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-025-09272-9">https://doi.org/10.1038/s41586-025-09272-9</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-025-09272-9</pub-id></mixed-citation>
      </ref>
      <ref id="ref15">
        <mixed-citation>Makova KD, Pickett BD, Harris RS, Hartley GA, Cechova M, Pal K, et al. The complete sequence and comparative analysis of ape sex chromosomes. <italic>Nature</italic>. 2024; 630(8016): 401-411. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-024-07473-2">https://doi.org/10.1038/s41586-024-07473-2</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-024-07473-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref16">
        <mixed-citation>Yoo D, Rhie A, Hebbar P, Antonacci F, Logsdon GA, Solar SJ, et al. Complete sequencing of ape genomes. <italic>Nature</italic>. 2025; 641(8062): 401-418. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-025-08816-3">https://doi.org/10.1038/s41586-025-08816-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-025-08816-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref17">
        <mixed-citation>Pevzner PA, Tang H, Waterman MS. An Eulerian path approach to DNA fragment assembly. <italic>Proc Natl Acad Sci U S A</italic>. 2001; 98(17): 9748-53. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1073/pnas.171285098">https://doi.org/10.1073/pnas.171285098</ext-link> <pub-id pub-id-type="doi">10.1073/pnas.171285098</pub-id></mixed-citation>
      </ref>
      <ref id="ref18">
        <mixed-citation>Myers EW. The fragment assembly string graph. <italic>Bioinformatics</italic>. 2005; 21 Suppl 2: ii79-85. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/bti1114">https://doi.org/10.1093/bioinformatics/bti1114</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/bti1114</pub-id></mixed-citation>
      </ref>
      <ref id="ref19">
        <mixed-citation>Bankevich A, Nurk S, Antipov D, Gurevich AA, Dvorkin M, Kulikov AS, et al. SPAdes: a new genome assembly algorithm and its applications to single-cell sequencing. <italic>J Comput Biol</italic>. 2012; 19(5): 455-77. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1089/cmb.2012.0021">https://doi.org/10.1089/cmb.2012.0021</ext-link> <pub-id pub-id-type="doi">10.1089/cmb.2012.0021</pub-id></mixed-citation>
      </ref>
      <ref id="ref20">
        <mixed-citation>Li H, Durbin R. Genome assembly in the telomere-to-telomere era. <italic>Nat Rev Genet</italic>. 2024; 25(9): 658-670. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41576-024-00718-w">https://doi.org/10.1038/s41576-024-00718-w</ext-link> <pub-id pub-id-type="doi">10.1038/s41576-024-00718-w</pub-id></mixed-citation>
      </ref>
      <ref id="ref21">
        <mixed-citation>Koren S, Walenz BP, Berlin K, Miller JR, Bergman NH, Phillippy AM. Canu: scalable and accurate long-read assembly via adaptive k-mer weighting and repeat separation. <italic>Genome Res</italic>. 2017; 27(5): 722-736. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.215087.116">https://doi.org/10.1101/gr.215087.116</ext-link> <pub-id pub-id-type="doi">10.1101/gr.215087.116</pub-id></mixed-citation>
      </ref>
      <ref id="ref22">
        <mixed-citation>Chin CS, Peluso P, Sedlazeck FJ, Nattestad M, Concepcion GT, Clum A, et al. Phased diploid genome assembly with single-molecule real-time sequencing. <italic>Nat Methods</italic>. 2016; 13(12): 1050-1054. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nmeth.4035">https://doi.org/10.1038/nmeth.4035</ext-link> <pub-id pub-id-type="doi">10.1038/nmeth.4035</pub-id></mixed-citation>
      </ref>
      <ref id="ref23">
        <mixed-citation>Li H. Minimap and miniasm: fast mapping and de novo assembly for noisy long sequences. <italic>Bioinformatics</italic>. 2016; 32(14): 2103-10. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btw152">https://doi.org/10.1093/bioinformatics/btw152</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btw152</pub-id></mixed-citation>
      </ref>
      <ref id="ref24">
        <mixed-citation>Kolmogorov M, Yuan J, Lin Y, Pevzner PA. Assembly of long, error-prone reads using repeat graphs. <italic>Nat Biotechnol</italic>. 2019; 37(5): 540-546. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-019-0072-8">https://doi.org/10.1038/s41587-019-0072-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-019-0072-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref25">
        <mixed-citation>Ruan J, Li H. Fast and accurate long-read assembly with wtdbg2. <italic>Nat Methods</italic>. 2020; 17(2): 155-158. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-019-0669-3">https://doi.org/10.1038/s41592-019-0669-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-019-0669-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref26">
        <mixed-citation>Shafin K, Pesout T, Lorig-Roach R, Haukness M, Olsen HE, Bosworth C, et al. Nanopore sequencing and the Shasta toolkit enable efficient de novo assembly of eleven human genomes. <italic>Nat Biotechnol</italic>. 2020; 38(9): 1044-1053. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-020-0503-6">https://doi.org/10.1038/s41587-020-0503-6</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-020-0503-6</pub-id></mixed-citation>
      </ref>
      <ref id="ref27">
        <mixed-citation>Vaser R, Sović I, Nagarajan N, Šikić M. Fast and accurate de novo genome assembly from long uncorrected reads. <italic>Genome Res</italic>. 2017; 27(5): 737-746. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.214270.116">https://doi.org/10.1101/gr.214270.116</ext-link> <pub-id pub-id-type="doi">10.1101/gr.214270.116</pub-id></mixed-citation>
      </ref>
      <ref id="ref28">
        <mixed-citation>Nurk S, Walenz BP, Rhie A, Vollger MR, Logsdon GA, Grothe R, et al. HiCanu: accurate assembly of segmental duplications, satellites, and allelic variants from high-fidelity long reads. <italic>Genome Res</italic>. 2020; 30(9): 1291-1305. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.263566.120">https://doi.org/10.1101/gr.263566.120</ext-link> <pub-id pub-id-type="doi">10.1101/gr.263566.120</pub-id></mixed-citation>
      </ref>
      <ref id="ref29">
        <mixed-citation>Cheng H, Concepcion GT, Feng X, Zhang H, Li H. Haplotype-resolved de novo assembly using phased assembly graphs with hifiasm. <italic>Nat Methods</italic>. 2021; 18(2): 170-175. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-020-01056-5">https://doi.org/10.1038/s41592-020-01056-5</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-020-01056-5</pub-id></mixed-citation>
      </ref>
      <ref id="ref30">
        <mixed-citation>Bankevich A, Bzikadze AV, Kolmogorov M, Antipov D, Pevzner PA. Multiplex de Bruijn graphs enable genome assembly from long, high-fidelity reads. <italic>Nat Biotechnol</italic>. 2022; 40(7): 1075-1081. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-022-01220-6">https://doi.org/10.1038/s41587-022-01220-6</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-022-01220-6</pub-id></mixed-citation>
      </ref>
      <ref id="ref31">
        <mixed-citation>Miga KH, Koren S, Rhie A, Vollger MR, Gershman A, Bzikadze A, et al. Telomere-to-telomere assembly of a complete human X chromosome. <italic>Nature</italic>. 2020; 585(7823): 79-84. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-020-2547-7">https://doi.org/10.1038/s41586-020-2547-7</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-020-2547-7</pub-id></mixed-citation>
      </ref>
      <ref id="ref32">
        <mixed-citation>Rautiainen M, Nurk S, Walenz BP, Logsdon GA, Porubsky D, Rhie A, et al. Telomere-to-telomere assembly of diploid chromosomes with Verkko. <italic>Nat Biotechnol</italic>. 2023; 41(10): 1474-1482. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-023-01662-6">https://doi.org/10.1038/s41587-023-01662-6</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-023-01662-6</pub-id></mixed-citation>
      </ref>
      <ref id="ref33">
        <mixed-citation>Antipov D, Rautiainen M, Nurk S, Walenz BP, Solar SJ, Phillippy AM, et al. Verkko2 integrates proximity-ligation data with long-read De Bruijn graphs for efficient telomere-to-telomere genome assembly, phasing, and scaffolding. <italic>Genome Res</italic>. 2025; 35(7): 1583-1594. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.280383.124">https://doi.org/10.1101/gr.280383.124</ext-link> <pub-id pub-id-type="doi">10.1101/gr.280383.124</pub-id></mixed-citation>
      </ref>
      <ref id="ref34">
        <mixed-citation>Cheng H, Asri M, Lucas J, Koren S, Li H. Scalable telomere-to-telomere assembly for diploid and polyploid genomes with double graph. <italic>Nat Methods</italic>. 2024; 21(6): 967-970. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-024-02269-8">https://doi.org/10.1038/s41592-024-02269-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-024-02269-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref35">
        <mixed-citation>Koren S, Bao Z, Guarracino A, Ou S, Goodwin S, Jenike KM, et al. Gapless assembly of complete human and plant chromosomes using only nanopore sequencing. <italic>Genome Res</italic>. 2024; 34(11): 1919-1930. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.279334.124">https://doi.org/10.1101/gr.279334.124</ext-link> <pub-id pub-id-type="doi">10.1101/gr.279334.124</pub-id></mixed-citation>
      </ref>
      <ref id="ref36">
        <mixed-citation>Stanojević D, Lin D, Nurk S, de Sessions PF, Šikić M. Telomere-to-telomere assembly using HERRO-corrected Nanopore Simplex reads. <italic>Nature</italic>. 2026; 655(8121): 158-165. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-026-10563-y">https://doi.org/10.1038/s41586-026-10563-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-026-10563-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref37">
        <mixed-citation>Cheng H, Qu H, McKenzie S, Lawrence KR, Windsor R, Vella M, et al. Efficient near-telomere-to-telomere assembly of nanopore simplex reads. <italic>Nature</italic>. 2026; 655(8121): 166-173. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-026-10105-6">https://doi.org/10.1038/s41586-026-10105-6</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-026-10105-6</pub-id></mixed-citation>
      </ref>
      <ref id="ref38">
        <mixed-citation>Guan D, McCarthy SA, Wood J, Howe K, Wang Y, Durbin R. Identifying and removing haplotypic duplication in primary genome assemblies. <italic>Bioinformatics</italic>. 2020; 36(9): 2896-2898. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btaa025">https://doi.org/10.1093/bioinformatics/btaa025</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btaa025</pub-id></mixed-citation>
      </ref>
      <ref id="ref39">
        <mixed-citation>Koren S, Rhie A, Walenz BP, Dilthey AT, Bickhart DM, Kingan SB, et al. De novo assembly of haplotype-resolved genomes with trio binning. <italic>Nat Biotechnol</italic>. 2018; 36(12): 1174-1182. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nbt.4277">https://doi.org/10.1038/nbt.4277</ext-link> <pub-id pub-id-type="doi">10.1038/nbt.4277</pub-id></mixed-citation>
      </ref>
      <ref id="ref40">
        <mixed-citation>Garg S, Fungtammasan A, Carroll A, Chou M, Schmitt A, Zhou X, et al. Chromosome-scale, haplotype-resolved assembly of human genomes. <italic>Nat Biotechnol</italic>. 2021; 39(3): 309-312. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-020-0711-0">https://doi.org/10.1038/s41587-020-0711-0</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-020-0711-0</pub-id></mixed-citation>
      </ref>
      <ref id="ref41">
        <mixed-citation>Cheng H, Jarvis ED, Fedrigo O, Koepfli KP, Urban L, Gemmell NJ, et al. Haplotype-resolved assembly of diploid genomes without parental data. <italic>Nat Biotechnol</italic>. 2022; 40(9): 1332-1335. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-022-01261-x">https://doi.org/10.1038/s41587-022-01261-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-022-01261-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref42">
        <mixed-citation>Porubsky D, Ebert P, Audano PA, Vollger MR, Harvey WT, Marijon P, et al. Fully phased human genome assembly without parental data using single-cell strand sequencing and long reads. <italic>Nat Biotechnol</italic>. 2021; 39(3): 302-308. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-020-0719-5">https://doi.org/10.1038/s41587-020-0719-5</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-020-0719-5</pub-id></mixed-citation>
      </ref>
      <ref id="ref43">
        <mixed-citation>Dudchenko O, Batra SS, Omer AD, Nyquist SK, Hoeger M, Durand NC, et al. De novo assembly of the Aedes aegypti genome using Hi-C yields chromosome-length scaffolds. <italic>Science</italic>. 2017; 356(6333): 92-95. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.aal3327">https://doi.org/10.1126/science.aal3327</ext-link> <pub-id pub-id-type="doi">10.1126/science.aal3327</pub-id></mixed-citation>
      </ref>
      <ref id="ref44">
        <mixed-citation>Ghurye J, Rhie A, Walenz BP, Schmitt A, Selvaraj S, Pop M, et al. Integrating Hi-C links with assembly graphs for chromosome-scale assembly. <italic>PLoS Comput Biol</italic>. 2019; 15(8): e1007273. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1371/journal.pcbi.1007273">https://doi.org/10.1371/journal.pcbi.1007273</ext-link> <pub-id pub-id-type="doi">10.1371/journal.pcbi.1007273</pub-id></mixed-citation>
      </ref>
      <ref id="ref45">
        <mixed-citation>Zhou C, McCarthy SA, Durbin R. YaHS: yet another Hi-C scaffolding tool. <italic>Bioinformatics</italic>. 2023; 39(1). <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btac808">https://doi.org/10.1093/bioinformatics/btac808</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btac808</pub-id></mixed-citation>
      </ref>
      <ref id="ref46">
        <mixed-citation>Durand NC, Robinson JT, Shamim MS, Machol I, Mesirov JP, Lander ES, et al. Juicebox Provides a Visualization System for Hi-C Contact Maps with Unlimited Zoom. <italic>Cell Syst</italic>. 2016; 3(1): 99-101. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cels.2015.07.012">https://doi.org/10.1016/j.cels.2015.07.012</ext-link> <pub-id pub-id-type="doi">10.1016/j.cels.2015.07.012</pub-id></mixed-citation>
      </ref>
      <ref id="ref47">
        <mixed-citation>Rhie A, McCarthy SA, Fedrigo O, Damas J, Formenti G, Koren S, et al. Towards complete and error-free genome assemblies of all vertebrate species. <italic>Nature</italic>. 2021; 592(7856): 737-746. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-021-03451-0">https://doi.org/10.1038/s41586-021-03451-0</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-021-03451-0</pub-id></mixed-citation>
      </ref>
      <ref id="ref48">
        <mixed-citation>Jarvis ED, Formenti G, Rhie A, Guarracino A, Yang C, Wood J, et al. Semi-automated assembly of high-quality diploid human reference genomes. <italic>Nature</italic>. 2022; 611(7936): 519-531. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-022-05325-5">https://doi.org/10.1038/s41586-022-05325-5</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-022-05325-5</pub-id></mixed-citation>
      </ref>
      <ref id="ref49">
        <mixed-citation>Mc Cartney AM, Shafin K, Alonge M, Bzikadze AV, Formenti G, Fungtammasan A, et al. Chasing perfection: validation and polishing strategies for telomere-to-telomere genome assemblies. <italic>Nat Methods</italic>. 2022; 19(6): 687-695. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-022-01440-3">https://doi.org/10.1038/s41592-022-01440-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-022-01440-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref50">
        <mixed-citation>Formenti G, Rhie A, Walenz BP, Thibaud-Nissen F, Shafin K, Koren S, et al. Merfin: improved variant filtering, assembly evaluation and polishing via k-mer validation. <italic>Nat Methods</italic>. 2022; 19(6): 696-704. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-022-01445-y">https://doi.org/10.1038/s41592-022-01445-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-022-01445-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref51">
        <mixed-citation>Mastoras M, Asri M, Brambrink L, Hebbar P, Kolesnikov A, Cook DE, et al. Highly accurate assembly polishing with DeepPolisher. <italic>Genome Res</italic>. 2025; 35(7): 1595-1608. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.280149.124">https://doi.org/10.1101/gr.280149.124</ext-link> <pub-id pub-id-type="doi">10.1101/gr.280149.124</pub-id></mixed-citation>
      </ref>
      <ref id="ref52">
        <mixed-citation>Manni M, Berkeley MR, Seppey M, Simão FA, Zdobnov EM. BUSCO Update: Novel and Streamlined Workflows along with Broader and Deeper Phylogenetic Coverage for Scoring of Eukaryotic, Prokaryotic, and Viral Genomes. <italic>Mol Biol Evol</italic>. 2021; 38(10): 4647-4654. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/molbev/msab199">https://doi.org/10.1093/molbev/msab199</ext-link> <pub-id pub-id-type="doi">10.1093/molbev/msab199</pub-id></mixed-citation>
      </ref>
      <ref id="ref53">
        <mixed-citation>Huang N, Li H. compleasm: a faster and more accurate reimplementation of BUSCO. <italic>Bioinformatics</italic>. 2023; 39(10). <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btad595">https://doi.org/10.1093/bioinformatics/btad595</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btad595</pub-id></mixed-citation>
      </ref>
      <ref id="ref54">
        <mixed-citation>Rhie A, Walenz BP, Koren S, Phillippy AM. Merqury: reference-free quality, completeness, and phasing assessment for genome assemblies. <italic>Genome Biol</italic>. 2020; 21(1): 245. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-020-02134-9">https://doi.org/10.1186/s13059-020-02134-9</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-020-02134-9</pub-id></mixed-citation>
      </ref>
      <ref id="ref55">
        <mixed-citation>Mikheenko A, Prjibelski A, Saveliev V, Antipov D, Gurevich A. Versatile genome assembly evaluation with QUAST-LG. <italic>Bioinformatics</italic>. 2018; 34(13): i142-i150. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/bty266">https://doi.org/10.1093/bioinformatics/bty266</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/bty266</pub-id></mixed-citation>
      </ref>
      <ref id="ref56">
        <mixed-citation>Chen Y, Zhang Y, Wang AY, Gao M, Chong Z. Accurate long-read de novo assembly evaluation with Inspector. <italic>Genome Biol</italic>. 2021; 22(1): 312. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-021-02527-4">https://doi.org/10.1186/s13059-021-02527-4</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-021-02527-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref57">
        <mixed-citation>Hansen NF, Dwarshuis N, Ji HJ, Rhie A, Loucks H, Logsdon GA, et al. A complete diploid human genome benchmark for personalized genomics. <italic>Cell</italic>. 2026; 189(16): 4857-4875.e31. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cell.2026.06.016">https://doi.org/10.1016/j.cell.2026.06.016</ext-link> <pub-id pub-id-type="doi">10.1016/j.cell.2026.06.016</pub-id></mixed-citation>
      </ref>
      <ref id="ref58">
        <mixed-citation>Logsdon GA, Ebert P, Audano PA, Loftus M, Porubsky D, Ebler J, et al. Complex genetic variation in nearly complete human genomes. <italic>Nature</italic>. 2025; 644(8076): 430-441. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-025-09140-6">https://doi.org/10.1038/s41586-025-09140-6</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-025-09140-6</pub-id></mixed-citation>
      </ref>
      <ref id="ref59">
        <mixed-citation>He Y, Chu Y, Guo S, Hu J, Li R, Zheng Y, et al. T2T-YAO: A Telomere-to-telomere Assembled Diploid Reference Genome for Han Chinese. <italic>Genomics Proteomics Bioinformatics</italic>. 2023; 21(6): 1085-1100. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.gpb.2023.08.001">https://doi.org/10.1016/j.gpb.2023.08.001</ext-link> <pub-id pub-id-type="doi">10.1016/j.gpb.2023.08.001</pub-id></mixed-citation>
      </ref>
      <ref id="ref60">
        <mixed-citation>Li H, Durbin R. Fast and accurate short read alignment with Burrows-Wheeler transform. <italic>Bioinformatics</italic>. 2009; 25(14): 1754-60. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btp324">https://doi.org/10.1093/bioinformatics/btp324</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btp324</pub-id></mixed-citation>
      </ref>
      <ref id="ref61">
        <mixed-citation>Li H. Aligning sequence reads, clone sequences and assembly contigs with BWA-MEM. <italic>arXiv</italic>. 2013; 1303.3997. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.48550/arXiv.1303.3997">https://doi.org/10.48550/arXiv.1303.3997</ext-link> <pub-id pub-id-type="doi">10.48550/arXiv.1303.3997</pub-id></mixed-citation>
      </ref>
      <ref id="ref62">
        <mixed-citation>Li H. Minimap2: pairwise alignment for nucleotide sequences. <italic>Bioinformatics</italic>. 2018; 34(18): 3094-3100. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/bty191">https://doi.org/10.1093/bioinformatics/bty191</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/bty191</pub-id></mixed-citation>
      </ref>
      <ref id="ref63">
        <mixed-citation>Li H. New strategies to improve minimap2 alignment accuracy. <italic>Bioinformatics</italic>. 2021; 37(23): 4572-4574. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btab705">https://doi.org/10.1093/bioinformatics/btab705</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btab705</pub-id></mixed-citation>
      </ref>
      <ref id="ref64">
        <mixed-citation>Jain C, Rhie A, Hansen NF, Koren S, Phillippy AM. Long-read mapping to repetitive reference sequences using Winnowmap2. <italic>Nat Methods</italic>. 2022; 19(6): 705-710. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-022-01457-8">https://doi.org/10.1038/s41592-022-01457-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-022-01457-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref65">
        <mixed-citation>Danecek P, Bonfield JK, Liddle J, Marshall J, Ohan V, Pollard MO, et al. Twelve years of SAMtools and BCFtools. <italic>Gigascience</italic>. 2021; 10(2). <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/gigascience/giab008">https://doi.org/10.1093/gigascience/giab008</ext-link> <pub-id pub-id-type="doi">10.1093/gigascience/giab008</pub-id></mixed-citation>
      </ref>
      <ref id="ref66">
        <mixed-citation>McKenna A, Hanna M, Banks E, Sivachenko A, Cibulskis K, Kernytsky A, et al. The Genome Analysis Toolkit: a MapReduce framework for analyzing next-generation DNA sequencing data. <italic>Genome Res</italic>. 2010; 20(9): 1297-303. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.107524.110">https://doi.org/10.1101/gr.107524.110</ext-link> <pub-id pub-id-type="doi">10.1101/gr.107524.110</pub-id></mixed-citation>
      </ref>
      <ref id="ref67">
        <mixed-citation>DePristo MA, Banks E, Poplin R, Garimella KV, Maguire JR, Hartl C, et al. A framework for variation discovery and genotyping using next-generation DNA sequencing data. <italic>Nat Genet</italic>. 2011; 43(5): 491-8. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/ng.806">https://doi.org/10.1038/ng.806</ext-link> <pub-id pub-id-type="doi">10.1038/ng.806</pub-id></mixed-citation>
      </ref>
      <ref id="ref68">
        <mixed-citation>Behera S, Catreux S, Rossi M, Truong S, Huang Z, Ruehle M, et al. Comprehensive genome analysis and variant detection at scale using DRAGEN. <italic>Nat Biotechnol</italic>. 2025; 43(7): 1177-1191. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-024-02382-1">https://doi.org/10.1038/s41587-024-02382-1</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-024-02382-1</pub-id></mixed-citation>
      </ref>
      <ref id="ref69">
        <mixed-citation>Poplin R, Chang PC, Alexander D, Schwartz S, Colthurst T, Ku A, et al. A universal SNP and small-indel variant caller using deep neural networks. <italic>Nat Biotechnol</italic>. 2018; 36(10): 983-987. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nbt.4235">https://doi.org/10.1038/nbt.4235</ext-link> <pub-id pub-id-type="doi">10.1038/nbt.4235</pub-id></mixed-citation>
      </ref>
      <ref id="ref70">
        <mixed-citation>Yun T, Li H, Chang PC, Lin MF, Carroll A, McLean CY. Accurate, scalable cohort variant calls using DeepVariant and GLnexus. <italic>Bioinformatics</italic>. 2021; 36(24): 5582-5589. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btaa1081">https://doi.org/10.1093/bioinformatics/btaa1081</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btaa1081</pub-id></mixed-citation>
      </ref>
      <ref id="ref71">
        <mixed-citation>Zheng Z, Li S, Su J, Leung AWS, Lam TW, Luo R. Symphonizing pileup and full-alignment for deep learning-based long-read variant calling. <italic>Nat Comput Sci</italic>. 2022; 2(12): 797-803. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s43588-022-00387-x">https://doi.org/10.1038/s43588-022-00387-x</ext-link> <pub-id pub-id-type="doi">10.1038/s43588-022-00387-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref72">
        <mixed-citation>Shafin K, Pesout T, Chang PC, Nattestad M, Kolesnikov A, Goel S, et al. Haplotype-aware variant calling with PEPPER-Margin-DeepVariant enables high accuracy in nanopore long-reads. <italic>Nat Methods</italic>. 2021; 18(11): 1322-1332. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-021-01299-w">https://doi.org/10.1038/s41592-021-01299-w</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-021-01299-w</pub-id></mixed-citation>
      </ref>
      <ref id="ref73">
        <mixed-citation>Krusche P, Trigg L, Boutros PC, Mason CE, De La Vega FM, Moore BL, et al. Best practices for benchmarking germline small-variant calls in human genomes. <italic>Nat Biotechnol</italic>. 2019; 37(5): 555-560. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-019-0054-x">https://doi.org/10.1038/s41587-019-0054-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-019-0054-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref74">
        <mixed-citation>Olson ND, Wagner J, McDaniel J, Stephens SH, Westreich ST, Prasanna AG, et al. PrecisionFDA Truth Challenge V2: Calling variants from short and long reads in difficult-to-map regions. <italic>Cell Genom</italic>. 2022; 2(5): 100129. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.xgen.2022.100129">https://doi.org/10.1016/j.xgen.2022.100129</ext-link> <pub-id pub-id-type="doi">10.1016/j.xgen.2022.100129</pub-id></mixed-citation>
      </ref>
      <ref id="ref75">
        <mixed-citation>Wagner J, Olson ND, Harris L, McDaniel J, Cheng H, Fungtammasan A, et al. Curated variation benchmarks for challenging medically relevant autosomal genes. <italic>Nat Biotechnol</italic>. 2022; 40(5): 672-680. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-021-01158-1">https://doi.org/10.1038/s41587-021-01158-1</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-021-01158-1</pub-id></mixed-citation>
      </ref>
      <ref id="ref76">
        <mixed-citation>Aganezov S, Yan SM, Soto DC, Kirsche M, Zarate S, Avdeyev P, et al. A complete reference genome improves analysis of human genetic variation. <italic>Science</italic>. 2022; 376(6588): eabl3533. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abl3533">https://doi.org/10.1126/science.abl3533</ext-link> <pub-id pub-id-type="doi">10.1126/science.abl3533</pub-id></mixed-citation>
      </ref>
      <ref id="ref77">
        <mixed-citation>Ebbert MTW, Jensen TD, Jansen-West K, Sens JP, Reddy JS, Ridge PG, et al. Systematic analysis of dark and camouflaged genes reveals disease-relevant genes hiding in plain sight. <italic>Genome Biol</italic>. 2019; 20(1): 97. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-019-1707-2">https://doi.org/10.1186/s13059-019-1707-2</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-019-1707-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref78">
        <mixed-citation>Chaisson MJP, Sanders AD, Zhao X, Malhotra A, Porubsky D, Rausch T, et al. Multi-platform discovery of haplotype-resolved structural variation in human genomes. <italic>Nat Commun</italic>. 2019; 10(1): 1784. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-018-08148-z">https://doi.org/10.1038/s41467-018-08148-z</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-018-08148-z</pub-id></mixed-citation>
      </ref>
      <ref id="ref79">
        <mixed-citation>Rausch T, Zichner T, Schlattl A, Stütz AM, Benes V, Korbel JO. DELLY: structural variant discovery by integrated paired-end and split-read analysis. <italic>Bioinformatics</italic>. 2012; 28(18): i333-i339. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/bts378">https://doi.org/10.1093/bioinformatics/bts378</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/bts378</pub-id></mixed-citation>
      </ref>
      <ref id="ref80">
        <mixed-citation>Layer RM, Chiang C, Quinlan AR, Hall IM. LUMPY: a probabilistic framework for structural variant discovery. <italic>Genome Biol</italic>. 2014; 15(6): R84. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/gb-2014-15-6-r84">https://doi.org/10.1186/gb-2014-15-6-r84</ext-link> <pub-id pub-id-type="doi">10.1186/gb-2014-15-6-r84</pub-id></mixed-citation>
      </ref>
      <ref id="ref81">
        <mixed-citation>Chen X, Schulz-Trieglaff O, Shaw R, Barnes B, Schlesinger F, Källberg M, et al. Manta: rapid detection of structural variants and indels for germline and cancer sequencing applications. <italic>Bioinformatics</italic>. 2016; 32(8): 1220-2. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btv710">https://doi.org/10.1093/bioinformatics/btv710</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btv710</pub-id></mixed-citation>
      </ref>
      <ref id="ref82">
        <mixed-citation>Kosugi S, Momozawa Y, Liu X, Terao C, Kubo M, Kamatani Y. Comprehensive evaluation of structural variation detection algorithms for whole genome sequencing. <italic>Genome Biol</italic>. 2019; 20(1): 117. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-019-1720-5">https://doi.org/10.1186/s13059-019-1720-5</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-019-1720-5</pub-id></mixed-citation>
      </ref>
      <ref id="ref83">
        <mixed-citation>Mahmoud M, Gobet N, Cruz-Dávalos DI, Mounier N, Dessimoz C, Sedlazeck FJ. Structural variant calling: the long and the short of it. <italic>Genome Biol</italic>. 2019; 20(1): 246. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-019-1828-7">https://doi.org/10.1186/s13059-019-1828-7</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-019-1828-7</pub-id></mixed-citation>
      </ref>
      <ref id="ref84">
        <mixed-citation>Ho SS, Urban AE, Mills RE. Structural variation in the sequencing era. <italic>Nat Rev Genet</italic>. 2020; 21(3): 171-189. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41576-019-0180-9">https://doi.org/10.1038/s41576-019-0180-9</ext-link> <pub-id pub-id-type="doi">10.1038/s41576-019-0180-9</pub-id></mixed-citation>
      </ref>
      <ref id="ref85">
        <mixed-citation>Sudmant PH, Rausch T, Gardner EJ, Handsaker RE, Abyzov A, Huddleston J, et al. An integrated map of structural variation in 2,504 human genomes. <italic>Nature</italic>. 2015; 526(7571): 75-81. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature15394">https://doi.org/10.1038/nature15394</ext-link> <pub-id pub-id-type="doi">10.1038/nature15394</pub-id></mixed-citation>
      </ref>
      <ref id="ref86">
        <mixed-citation>Collins RL, Brand H, Karczewski KJ, Zhao X, Alföldi J, Francioli LC, et al. A structural variation reference for medical and population genetics. <italic>Nature</italic>. 2020; 581(7809): 444-451. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-020-2287-8">https://doi.org/10.1038/s41586-020-2287-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-020-2287-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref87">
        <mixed-citation>Sedlazeck FJ, Rescheneder P, Smolka M, Fang H, Nattestad M, von Haeseler A, et al. Accurate detection of complex structural variations using single-molecule sequencing. <italic>Nat Methods</italic>. 2018; 15(6): 461-468. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-018-0001-7">https://doi.org/10.1038/s41592-018-0001-7</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-018-0001-7</pub-id></mixed-citation>
      </ref>
      <ref id="ref88">
        <mixed-citation>Smolka M, Paulin LF, Grochowski CM, Horner DW, Mahmoud M, Behera S, et al. Detection of mosaic and population-level structural variants with Sniffles2. <italic>Nat Biotechnol</italic>. 2024; 42(10): 1571-1580. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-023-02024-y">https://doi.org/10.1038/s41587-023-02024-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-023-02024-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref89">
        <mixed-citation>Jiang T, Liu Y, Jiang Y, Li J, Gao Y, Cui Z, et al. Long-read-based human genomic structural variation detection with cuteSV. <italic>Genome Biol</italic>. 2020; 21(1): 189. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-020-02107-y">https://doi.org/10.1186/s13059-020-02107-y</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-020-02107-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref90">
        <mixed-citation>Heller D, Vingron M. SVIM: structural variant identification using mapped long reads. <italic>Bioinformatics</italic>. 2019; 35(17): 2907-2915. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btz041">https://doi.org/10.1093/bioinformatics/btz041</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btz041</pub-id></mixed-citation>
      </ref>
      <ref id="ref91">
        <mixed-citation>Huddleston J, Chaisson MJP, Steinberg KM, Warren W, Hoekzema K, Gordon D, et al. Discovery and genotyping of structural variation from long-read haploid genome sequence data. <italic>Genome Res</italic>. 2017; 27(5): 677-685. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.214007.116">https://doi.org/10.1101/gr.214007.116</ext-link> <pub-id pub-id-type="doi">10.1101/gr.214007.116</pub-id></mixed-citation>
      </ref>
      <ref id="ref92">
        <mixed-citation>Ebert P, Audano PA, Zhu Q, Rodriguez-Martin B, Porubsky D, Bonder MJ, et al. Haplotype-resolved diverse human genomes and integrated analysis of structural variation. <italic>Science</italic>. 2021; 372(6537): eabf7117. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abf7117">https://doi.org/10.1126/science.abf7117</ext-link> <pub-id pub-id-type="doi">10.1126/science.abf7117</pub-id></mixed-citation>
      </ref>
      <ref id="ref93">
        <mixed-citation>Kirsche M, Prabhu G, Sherman R, Ni B, Battle A, Aganezov S, et al. Jasmine and Iris: population-scale structural variant comparison and analysis. <italic>Nat Methods</italic>. 2023; 20(3): 408-417. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-022-01753-3">https://doi.org/10.1038/s41592-022-01753-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-022-01753-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref94">
        <mixed-citation>English AC, Menon VK, Gibbs RA, Metcalf GA, Sedlazeck FJ. Truvari: refined structural variant comparison preserves allelic diversity. <italic>Genome Biol</italic>. 2022; 23(1): 271. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-022-02840-6">https://doi.org/10.1186/s13059-022-02840-6</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-022-02840-6</pub-id></mixed-citation>
      </ref>
      <ref id="ref95">
        <mixed-citation>Zook JM, Hansen NF, Olson ND, Chapman L, Mullikin JC, Xiao C, et al. A robust benchmark for detection of germline large deletions and insertions. <italic>Nat Biotechnol</italic>. 2020; 38(11): 1347-1355. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-020-0538-8">https://doi.org/10.1038/s41587-020-0538-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-020-0538-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref96">
        <mixed-citation>Gustafson JA, Gibson SB, Damaraju N, Zalusky MPG, Hoekzema K, Twesigomwe D, et al. High-coverage nanopore sequencing of samples from the 1000 Genomes Project to build a comprehensive catalog of human genetic variation. <italic>Genome Res</italic>. 2024; 34(11): 2061-2073. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.279273.124">https://doi.org/10.1101/gr.279273.124</ext-link> <pub-id pub-id-type="doi">10.1101/gr.279273.124</pub-id></mixed-citation>
      </ref>
      <ref id="ref97">
        <mixed-citation>Schloissnig S, Pani S, Ebler J, Hain C, Tsapalou V, Söylev A, et al. Structural variation in 1,019 diverse humans based on long-read sequencing. <italic>Nature</italic>. 2025; 644(8076): 442-452. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-025-09290-7">https://doi.org/10.1038/s41586-025-09290-7</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-025-09290-7</pub-id></mixed-citation>
      </ref>
      <ref id="ref98">
        <mixed-citation>Kolmogorov M, Billingsley KJ, Mastoras M, Meredith M, Monlong J, Lorig-Roach R, et al. Scalable Nanopore sequencing of human genomes provides a comprehensive view of haplotype-resolved variation and methylation. <italic>Nat Methods</italic>. 2023; 20(10): 1483-1492. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-023-01993-x">https://doi.org/10.1038/s41592-023-01993-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-023-01993-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref99">
        <mixed-citation>Patterson M, Marschall T, Pisanti N, van Iersel L, Stougie L, Klau GW, et al. WhatsHap: Weighted Haplotype Assembly for Future-Generation Sequencing Reads. <italic>J Comput Biol</italic>. 2015; 22(6): 498-509. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1089/cmb.2014.0157">https://doi.org/10.1089/cmb.2014.0157</ext-link> <pub-id pub-id-type="doi">10.1089/cmb.2014.0157</pub-id></mixed-citation>
      </ref>
      <ref id="ref100">
        <mixed-citation>Holt JM, Saunders CT, Rowell WJ, Kronenberg Z, Wenger AM, Eberle M. HiPhase: jointly phasing small, structural, and tandem repeat variants from HiFi sequencing. <italic>Bioinformatics</italic>. 2024; 40(2). <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btae042">https://doi.org/10.1093/bioinformatics/btae042</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btae042</pub-id></mixed-citation>
      </ref>
      <ref id="ref101">
        <mixed-citation>Delaneau O, Zagury JF, Robinson MR, Marchini JL, Dermitzakis ET. Accurate, scalable and integrative haplotype estimation. <italic>Nat Commun</italic>. 2019; 10(1): 5436. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-019-13225-y">https://doi.org/10.1038/s41467-019-13225-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-019-13225-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref102">
        <mixed-citation>Browning BL, Tian X, Zhou Y, Browning SR. Fast two-stage phasing of large-scale sequence data. <italic>Am J Hum Genet</italic>. 2021; 108(10): 1880-1890. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.ajhg.2021.08.005">https://doi.org/10.1016/j.ajhg.2021.08.005</ext-link> <pub-id pub-id-type="doi">10.1016/j.ajhg.2021.08.005</pub-id></mixed-citation>
      </ref>
      <ref id="ref103">
        <mixed-citation>Hofmeister RJ, Ribeiro DM, Rubinacci S, Delaneau O. Accurate rare variant phasing of whole-genome and whole-exome sequencing data in the UK Biobank. <italic>Nat Genet</italic>. 2023; 55(7): 1243-1249. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-023-01415-w">https://doi.org/10.1038/s41588-023-01415-w</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-023-01415-w</pub-id></mixed-citation>
      </ref>
      <ref id="ref104">
        <mixed-citation>Rubinacci S, Ribeiro DM, Hofmeister RJ, Delaneau O. Efficient phasing and imputation of low-coverage sequencing data using large reference panels. <italic>Nat Genet</italic>. 2021; 53(1): 120-126. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-020-00756-0">https://doi.org/10.1038/s41588-020-00756-0</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-020-00756-0</pub-id></mixed-citation>
      </ref>
      <ref id="ref105">
        <mixed-citation>1000 Genomes Project Consortium. A global reference for human genetic variation. <italic>Nature</italic>. 2015; 526(7571): 68-74. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature15393">https://doi.org/10.1038/nature15393</ext-link> <pub-id pub-id-type="doi">10.1038/nature15393</pub-id></mixed-citation>
      </ref>
      <ref id="ref106">
        <mixed-citation>Byrska-Bishop M, Evani US, Zhao X, Basile AO, Abel HJ, Regier AA, et al. High-coverage whole-genome sequencing of the expanded 1000 Genomes Project cohort including 602 trios. <italic>Cell</italic>. 2022; 185(18): 3426-3440.e19. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cell.2022.08.004">https://doi.org/10.1016/j.cell.2022.08.004</ext-link> <pub-id pub-id-type="doi">10.1016/j.cell.2022.08.004</pub-id></mixed-citation>
      </ref>
      <ref id="ref107">
        <mixed-citation>Bergström A, McCarthy SA, Hui R, Almarri MA, Ayub Q, Danecek P, et al. Insights into human genetic variation and population history from 929 diverse genomes. <italic>Science</italic>. 2020; 367(6484): eaay5012. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.aay5012">https://doi.org/10.1126/science.aay5012</ext-link> <pub-id pub-id-type="doi">10.1126/science.aay5012</pub-id></mixed-citation>
      </ref>
      <ref id="ref108">
        <mixed-citation>Mallick S, Li H, Lipson M, Mathieson I, Gymrek M, Racimo F, et al. The Simons Genome Diversity Project: 300 genomes from 142 diverse populations. <italic>Nature</italic>. 2016; 538(7624): 201-206. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature18964">https://doi.org/10.1038/nature18964</ext-link> <pub-id pub-id-type="doi">10.1038/nature18964</pub-id></mixed-citation>
      </ref>
      <ref id="ref109">
        <mixed-citation>Taliun D, Harris DN, Kessler MD, Carlson J, Szpiech ZA, Torres R, et al. Sequencing of 53,831 diverse genomes from the NHLBI TOPMed Program. <italic>Nature</italic>. 2021; 590(7845): 290-299. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-021-03205-y">https://doi.org/10.1038/s41586-021-03205-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-021-03205-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref110">
        <mixed-citation>Halldorsson BV, Eggertsson HP, Moore KHS, Hauswedell H, Eiriksson O, Ulfarsson MO, et al. The sequences of 150,119 genomes in the UK Biobank. <italic>Nature</italic>. 2022; 607(7920): 732-740. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-022-04965-x">https://doi.org/10.1038/s41586-022-04965-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-022-04965-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref111">
        <mixed-citation>Lek M, Karczewski KJ, Minikel EV, Samocha KE, Banks E, Fennell T, et al. Analysis of protein-coding genetic variation in 60,706 humans. <italic>Nature</italic>. 2016; 536(7616): 285-91. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature19057">https://doi.org/10.1038/nature19057</ext-link> <pub-id pub-id-type="doi">10.1038/nature19057</pub-id></mixed-citation>
      </ref>
      <ref id="ref112">
        <mixed-citation>Karczewski KJ, Francioli LC, Tiao G, Cummings BB, Alföldi J, Wang Q, et al. The mutational constraint spectrum quantified from variation in 141,456 humans. <italic>Nature</italic>. 2020; 581(7809): 434-443. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-020-2308-7">https://doi.org/10.1038/s41586-020-2308-7</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-020-2308-7</pub-id></mixed-citation>
      </ref>
      <ref id="ref113">
        <mixed-citation>Chen S, Francioli LC, Goodrich JK, Collins RL, Kanai M, Wang Q, et al. A genomic mutational constraint map using variation in 76,156 human genomes. <italic>Nature</italic>. 2024; 625(7993): 92-100. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-023-06045-0">https://doi.org/10.1038/s41586-023-06045-0</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-023-06045-0</pub-id></mixed-citation>
      </ref>
      <ref id="ref114">
        <mixed-citation>McLaren W, Gil L, Hunt SE, Riat HS, Ritchie GRS, Thormann A, et al. The Ensembl Variant Effect Predictor. <italic>Genome Biol</italic>. 2016; 17(1): 122. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-016-0974-4">https://doi.org/10.1186/s13059-016-0974-4</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-016-0974-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref115">
        <mixed-citation>Cingolani P, Platts A, Wang LL, Coon M, Nguyen T, Wang L, et al. A program for annotating and predicting the effects of single nucleotide polymorphisms, SnpEff: SNPs in the genome of Drosophila melanogaster strain w1118; iso-2; iso-3. <italic>Fly (Austin)</italic>. 2012; 6(2): 80-92. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.4161/fly.19695">https://doi.org/10.4161/fly.19695</ext-link> <pub-id pub-id-type="doi">10.4161/fly.19695</pub-id></mixed-citation>
      </ref>
      <ref id="ref116">
        <mixed-citation>Wang K, Li M, Hakonarson H. ANNOVAR: functional annotation of genetic variants from high-throughput sequencing data. <italic>Nucleic Acids Res</italic>. 2010; 38(16): e164. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/nar/gkq603">https://doi.org/10.1093/nar/gkq603</ext-link> <pub-id pub-id-type="doi">10.1093/nar/gkq603</pub-id></mixed-citation>
      </ref>
      <ref id="ref117">
        <mixed-citation>Landrum MJ, Lee JM, Benson M, Brown GR, Chao C, Chitipiralla S, et al. ClinVar: improving access to variant interpretations and supporting evidence. <italic>Nucleic Acids Res</italic>. 2018; 46(D1): D1062-D1067. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/nar/gkx1153">https://doi.org/10.1093/nar/gkx1153</ext-link> <pub-id pub-id-type="doi">10.1093/nar/gkx1153</pub-id></mixed-citation>
      </ref>
      <ref id="ref118">
        <mixed-citation>Rentzsch P, Witten D, Cooper GM, Shendure J, Kircher M. CADD: predicting the deleteriousness of variants throughout the human genome. <italic>Nucleic Acids Res</italic>. 2019; 47(D1): D886-D894. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/nar/gky1016">https://doi.org/10.1093/nar/gky1016</ext-link> <pub-id pub-id-type="doi">10.1093/nar/gky1016</pub-id></mixed-citation>
      </ref>
      <ref id="ref119">
        <mixed-citation>Jaganathan K, Kyriazopoulou Panagiotopoulou S, McRae JF, Darbandi SF, Knowles D, Li YI, et al. Predicting Splicing from Primary Sequence with Deep Learning. <italic>Cell</italic>. 2019; 176(3): 535-548.e24. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cell.2018.12.015">https://doi.org/10.1016/j.cell.2018.12.015</ext-link> <pub-id pub-id-type="doi">10.1016/j.cell.2018.12.015</pub-id></mixed-citation>
      </ref>
      <ref id="ref120">
        <mixed-citation>Cheng J, Novati G, Pan J, Bycroft C, Žemgulytė A, Applebaum T, et al. Accurate proteome-wide missense variant effect prediction with AlphaMissense. <italic>Science</italic>. 2023; 381(6664): eadg7492. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.adg7492">https://doi.org/10.1126/science.adg7492</ext-link> <pub-id pub-id-type="doi">10.1126/science.adg7492</pub-id></mixed-citation>
      </ref>
      <ref id="ref121">
        <mixed-citation>Avsec Ž, Latysheva N, Cheng J, Novati G, Taylor KR, Ward T, et al. Advancing regulatory variant effect prediction with AlphaGenome. <italic>Nature</italic>. 2026; 649(8099): 1206-1218. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-025-10014-0">https://doi.org/10.1038/s41586-025-10014-0</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-025-10014-0</pub-id></mixed-citation>
      </ref>
      <ref id="ref122">
        <mixed-citation>Richards S, Aziz N, Bale S, Bick D, Das S, Gastier-Foster J, et al. Standards and guidelines for the interpretation of sequence variants: a joint consensus recommendation of the American College of Medical Genetics and Genomics and the Association for Molecular Pathology. <italic>Genet Med</italic>. 2015; 17(5): 405-24. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/gim.2015.30">https://doi.org/10.1038/gim.2015.30</ext-link> <pub-id pub-id-type="doi">10.1038/gim.2015.30</pub-id></mixed-citation>
      </ref>
      <ref id="ref123">
        <mixed-citation>Wu MC, Lee S, Cai T, Li Y, Boehnke M, Lin X. Rare-variant association testing for sequencing data with the sequence kernel association test. <italic>Am J Hum Genet</italic>. 2011; 89(1): 82-93. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.ajhg.2011.05.029">https://doi.org/10.1016/j.ajhg.2011.05.029</ext-link> <pub-id pub-id-type="doi">10.1016/j.ajhg.2011.05.029</pub-id></mixed-citation>
      </ref>
      <ref id="ref124">
        <mixed-citation>Lee S, Emond MJ, Bamshad MJ, Barnes KC, Rieder MJ, Nickerson DA, et al. Optimal unified approach for rare-variant association testing with application to small-sample case-control whole-exome sequencing studies. <italic>Am J Hum Genet</italic>. 2012; 91(2): 224-37. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.ajhg.2012.06.007">https://doi.org/10.1016/j.ajhg.2012.06.007</ext-link> <pub-id pub-id-type="doi">10.1016/j.ajhg.2012.06.007</pub-id></mixed-citation>
      </ref>
      <ref id="ref125">
        <mixed-citation>Lee S, Abecasis GR, Boehnke M, Lin X. Rare-variant association analysis: study designs and statistical tests. <italic>Am J Hum Genet</italic>. 2014; 95(1): 5-23. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.ajhg.2014.06.009">https://doi.org/10.1016/j.ajhg.2014.06.009</ext-link> <pub-id pub-id-type="doi">10.1016/j.ajhg.2014.06.009</pub-id></mixed-citation>
      </ref>
      <ref id="ref126">
        <mixed-citation>Zhou W, Zhao Z, Nielsen JB, Fritsche LG, LeFaive J, Gagliano Taliun SA, et al. Scalable generalized linear mixed model for region-based association tests in large biobanks and cohorts. <italic>Nat Genet</italic>. 2020; 52(6): 634-639. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-020-0621-6">https://doi.org/10.1038/s41588-020-0621-6</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-020-0621-6</pub-id></mixed-citation>
      </ref>
      <ref id="ref127">
        <mixed-citation>Zhou W, Bi W, Zhao Z, Dey KK, Jagadeesh KA, Karczewski KJ, et al. SAIGE-GENE+ improves the efficiency and accuracy of set-based rare variant association tests. <italic>Nat Genet</italic>. 2022; 54(10): 1466-1469. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-022-01178-w">https://doi.org/10.1038/s41588-022-01178-w</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-022-01178-w</pub-id></mixed-citation>
      </ref>
      <ref id="ref128">
        <mixed-citation>Mbatchou J, Barnard L, Backman J, Marcketta A, Kosmicki JA, Ziyatdinov A, et al. Computationally efficient whole-genome regression for quantitative and binary traits. <italic>Nat Genet</italic>. 2021; 53(7): 1097-1103. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-021-00870-7">https://doi.org/10.1038/s41588-021-00870-7</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-021-00870-7</pub-id></mixed-citation>
      </ref>
      <ref id="ref129">
        <mixed-citation>Backman JD, Li AH, Marcketta A, Sun D, Mbatchou J, Kessler MD, et al. Exome sequencing and analysis of 454,787 UK Biobank participants. <italic>Nature</italic>. 2021; 599(7886): 628-634. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-021-04103-z">https://doi.org/10.1038/s41586-021-04103-z</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-021-04103-z</pub-id></mixed-citation>
      </ref>
      <ref id="ref130">
        <mixed-citation>Li X, Li Z, Zhou H, Gaynor SM, Liu Y, Chen H, et al. Dynamic incorporation of multiple in silico functional annotations empowers rare variant association analysis of large whole-genome sequencing studies at scale. <italic>Nat Genet</italic>. 2020; 52(9): 969-983. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-020-0676-4">https://doi.org/10.1038/s41588-020-0676-4</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-020-0676-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref131">
        <mixed-citation>Li Z, Li X, Zhou H, Gaynor SM, Selvaraj MS, Arapoglou T, et al. A framework for detecting noncoding rare-variant associations of large-scale whole-genome sequencing studies. <italic>Nat Methods</italic>. 2022; 19(12): 1599-1611. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-022-01640-x">https://doi.org/10.1038/s41592-022-01640-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-022-01640-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref132">
        <mixed-citation>Kong A, Frigge ML, Masson G, Besenbacher S, Sulem P, Magnusson G, et al. Rate of de novo mutations and the importance of father's age to disease risk. <italic>Nature</italic>. 2012; 488(7412): 471-5. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature11396">https://doi.org/10.1038/nature11396</ext-link> <pub-id pub-id-type="doi">10.1038/nature11396</pub-id></mixed-citation>
      </ref>
      <ref id="ref133">
        <mixed-citation>Belyeu JR, Brand H, Wang H, Zhao X, Pedersen BS, Feusier J, et al. De novo structural mutation rates and gamete-of-origin biases revealed through genome sequencing of 2,396 families. <italic>Am J Hum Genet</italic>. 2021; 108(4): 597-607. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.ajhg.2021.02.012">https://doi.org/10.1016/j.ajhg.2021.02.012</ext-link> <pub-id pub-id-type="doi">10.1016/j.ajhg.2021.02.012</pub-id></mixed-citation>
      </ref>
      <ref id="ref134">
        <mixed-citation>Porubsky D, Dashnow H, Sasani TA, Logsdon GA, Hallast P, Noyes MD, et al. Human de novo mutation rates from a four-generation pedigree reference. <italic>Nature</italic>. 2025; 643(8071): 427-436. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-025-08922-2">https://doi.org/10.1038/s41586-025-08922-2</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-025-08922-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref135">
        <mixed-citation>Price AL, Patterson NJ, Plenge RM, Weinblatt ME, Shadick NA, Reich D. Principal components analysis corrects for stratification in genome-wide association studies. <italic>Nat Genet</italic>. 2006; 38(8): 904-9. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/ng1847">https://doi.org/10.1038/ng1847</ext-link> <pub-id pub-id-type="doi">10.1038/ng1847</pub-id></mixed-citation>
      </ref>
      <ref id="ref136">
        <mixed-citation>Alexander DH, Novembre J, Lange K. Fast model-based estimation of ancestry in unrelated individuals. <italic>Genome Res</italic>. 2009; 19(9): 1655-64. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.094052.109">https://doi.org/10.1101/gr.094052.109</ext-link> <pub-id pub-id-type="doi">10.1101/gr.094052.109</pub-id></mixed-citation>
      </ref>
      <ref id="ref137">
        <mixed-citation>Chang CC, Chow CC, Tellier LC, Vattikuti S, Purcell SM, Lee JJ. Second-generation PLINK: rising to the challenge of larger and richer datasets. <italic>Gigascience</italic>. 2015; 4: 7. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13742-015-0047-8">https://doi.org/10.1186/s13742-015-0047-8</ext-link> <pub-id pub-id-type="doi">10.1186/s13742-015-0047-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref138">
        <mixed-citation>Korneliussen TS, Albrechtsen A, Nielsen R. ANGSD: Analysis of Next Generation Sequencing Data. <italic>BMC Bioinformatics</italic>. 2014; 15(1): 356. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s12859-014-0356-4">https://doi.org/10.1186/s12859-014-0356-4</ext-link> <pub-id pub-id-type="doi">10.1186/s12859-014-0356-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref139">
        <mixed-citation>Maples BK, Gravel S, Kenny EE, Bustamante CD. RFMix: a discriminative modeling approach for rapid and robust local-ancestry inference. <italic>Am J Hum Genet</italic>. 2013; 93(2): 278-88. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.ajhg.2013.06.020">https://doi.org/10.1016/j.ajhg.2013.06.020</ext-link> <pub-id pub-id-type="doi">10.1016/j.ajhg.2013.06.020</pub-id></mixed-citation>
      </ref>
      <ref id="ref140">
        <mixed-citation>Patterson N, Moorjani P, Luo Y, Mallick S, Rohland N, Zhan Y, et al. Ancient admixture in human history. <italic>Genetics</italic>. 2012; 192(3): 1065-93. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1534/genetics.112.145037">https://doi.org/10.1534/genetics.112.145037</ext-link> <pub-id pub-id-type="doi">10.1534/genetics.112.145037</pub-id></mixed-citation>
      </ref>
      <ref id="ref141">
        <mixed-citation>Li H, Durbin R. Inference of human population history from individual whole-genome sequences. <italic>Nature</italic>. 2011; 475(7357): 493-6. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature10231">https://doi.org/10.1038/nature10231</ext-link> <pub-id pub-id-type="doi">10.1038/nature10231</pub-id></mixed-citation>
      </ref>
      <ref id="ref142">
        <mixed-citation>Schiffels S, Durbin R. Inferring human population size and separation history from multiple genome sequences. <italic>Nat Genet</italic>. 2014; 46(8): 919-25. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/ng.3015">https://doi.org/10.1038/ng.3015</ext-link> <pub-id pub-id-type="doi">10.1038/ng.3015</pub-id></mixed-citation>
      </ref>
      <ref id="ref143">
        <mixed-citation>Terhorst J, Kamm JA, Song YS. Robust and scalable inference of population history from hundreds of unphased whole genomes. <italic>Nat Genet</italic>. 2017; 49(2): 303-309. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/ng.3748">https://doi.org/10.1038/ng.3748</ext-link> <pub-id pub-id-type="doi">10.1038/ng.3748</pub-id></mixed-citation>
      </ref>
      <ref id="ref144">
        <mixed-citation>Gutenkunst RN, Hernandez RD, Williamson SH, Bustamante CD. Inferring the joint demographic history of multiple populations from multidimensional SNP frequency data. <italic>PLoS Genet</italic>. 2009; 5(10): e1000695. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1371/journal.pgen.1000695">https://doi.org/10.1371/journal.pgen.1000695</ext-link> <pub-id pub-id-type="doi">10.1371/journal.pgen.1000695</pub-id></mixed-citation>
      </ref>
      <ref id="ref145">
        <mixed-citation>Excoffier L, Dupanloup I, Huerta-Sánchez E, Sousa VC, Foll M. Robust demographic inference from genomic and SNP data. <italic>PLoS Genet</italic>. 2013; 9(10): e1003905. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1371/journal.pgen.1003905">https://doi.org/10.1371/journal.pgen.1003905</ext-link> <pub-id pub-id-type="doi">10.1371/journal.pgen.1003905</pub-id></mixed-citation>
      </ref>
      <ref id="ref146">
        <mixed-citation>Rasmussen MD, Hubisz MJ, Gronau I, Siepel A. Genome-wide inference of ancestral recombination graphs. <italic>PLoS Genet</italic>. 2014; 10(5): e1004342. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1371/journal.pgen.1004342">https://doi.org/10.1371/journal.pgen.1004342</ext-link> <pub-id pub-id-type="doi">10.1371/journal.pgen.1004342</pub-id></mixed-citation>
      </ref>
      <ref id="ref147">
        <mixed-citation>Speidel L, Forest M, Shi S, Myers SR. A method for genome-wide genealogy estimation for thousands of samples. <italic>Nat Genet</italic>. 2019; 51(9): 1321-1329. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-019-0484-x">https://doi.org/10.1038/s41588-019-0484-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-019-0484-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref148">
        <mixed-citation>Kelleher J, Wong Y, Wohns AW, Fadil C, Albers PK, McVean G. Inferring whole-genome histories in large population datasets. <italic>Nat Genet</italic>. 2019; 51(9): 1330-1338. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-019-0483-y">https://doi.org/10.1038/s41588-019-0483-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-019-0483-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref149">
        <mixed-citation>Zhang BC, Biddanda A, Gunnarsson ÁF, Cooper F, Palamara PF. Biobank-scale inference of ancestral recombination graphs enables genealogical analysis of complex traits. <italic>Nat Genet</italic>. 2023; 55(5): 768-776. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-023-01379-x">https://doi.org/10.1038/s41588-023-01379-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-023-01379-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref150">
        <mixed-citation>Deng Y, Nielsen R, Song YS. Robust and accurate Bayesian inference of genome-wide genealogies for hundreds of genomes. <italic>Nat Genet</italic>. 2025; 57(9): 2124-2135. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-025-02317-9">https://doi.org/10.1038/s41588-025-02317-9</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-025-02317-9</pub-id></mixed-citation>
      </ref>
      <ref id="ref151">
        <mixed-citation>Wohns AW, Wong Y, Jeffery B, Akbari A, Mallick S, Pinhasi R, et al. A unified genealogy of modern and ancient genomes. <italic>Science</italic>. 2022; 375(6583): eabi8264. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abi8264">https://doi.org/10.1126/science.abi8264</ext-link> <pub-id pub-id-type="doi">10.1126/science.abi8264</pub-id></mixed-citation>
      </ref>
      <ref id="ref152">
        <mixed-citation>Voight BF, Kudaravalli S, Wen X, Pritchard JK. A map of recent positive selection in the human genome. <italic>PLoS Biol</italic>. 2006; 4(3): e72. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1371/journal.pbio.0040072">https://doi.org/10.1371/journal.pbio.0040072</ext-link> <pub-id pub-id-type="doi">10.1371/journal.pbio.0040072</pub-id></mixed-citation>
      </ref>
      <ref id="ref153">
        <mixed-citation>Sabeti PC, Varilly P, Fry B, Lohmueller J, Hostetter E, Cotsapas C, et al. Genome-wide detection and characterization of positive selection in human populations. <italic>Nature</italic>. 2007; 449(7164): 913-8. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature06250">https://doi.org/10.1038/nature06250</ext-link> <pub-id pub-id-type="doi">10.1038/nature06250</pub-id></mixed-citation>
      </ref>
      <ref id="ref154">
        <mixed-citation>Szpiech ZA, Hernandez RD. selscan: an efficient multithreaded program to perform EHH-based scans for positive selection. <italic>Mol Biol Evol</italic>. 2014; 31(10): 2824-7. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/molbev/msu211">https://doi.org/10.1093/molbev/msu211</ext-link> <pub-id pub-id-type="doi">10.1093/molbev/msu211</pub-id></mixed-citation>
      </ref>
      <ref id="ref155">
        <mixed-citation>Field Y, Boyle EA, Telis N, Gao Z, Gaulton KJ, Golan D, et al. Detection of human adaptation during the past 2000 years. <italic>Science</italic>. 2016; 354(6313): 760-764. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.aag0776">https://doi.org/10.1126/science.aag0776</ext-link> <pub-id pub-id-type="doi">10.1126/science.aag0776</pub-id></mixed-citation>
      </ref>
      <ref id="ref156">
        <mixed-citation>Green RE, Krause J, Briggs AW, Maricic T, Stenzel U, Kircher M, et al. A draft sequence of the Neandertal genome. <italic>Science</italic>. 2010; 328(5979): 710-722. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.1188021">https://doi.org/10.1126/science.1188021</ext-link> <pub-id pub-id-type="doi">10.1126/science.1188021</pub-id></mixed-citation>
      </ref>
      <ref id="ref157">
        <mixed-citation>Prüfer K, Racimo F, Patterson N, Jay F, Sankararaman S, Sawyer S, et al. The complete genome sequence of a Neanderthal from the Altai Mountains. <italic>Nature</italic>. 2014; 505(7481): 43-9. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature12886">https://doi.org/10.1038/nature12886</ext-link> <pub-id pub-id-type="doi">10.1038/nature12886</pub-id></mixed-citation>
      </ref>
      <ref id="ref158">
        <mixed-citation>Browning SR, Browning BL, Zhou Y, Tucci S, Akey JM. Analysis of Human Sequence Data Reveals Two Pulses of Archaic Denisovan Admixture. <italic>Cell</italic>. 2018; 173(1): 53-61.e9. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cell.2018.02.031">https://doi.org/10.1016/j.cell.2018.02.031</ext-link> <pub-id pub-id-type="doi">10.1016/j.cell.2018.02.031</pub-id></mixed-citation>
      </ref>
      <ref id="ref159">
        <mixed-citation>Skov L, Hui R, Shchur V, Hobolth A, Scally A, Schierup MH, et al. Detecting archaic introgression using an unadmixed outgroup. <italic>PLoS Genet</italic>. 2018; 14(9): e1007641. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1371/journal.pgen.1007641">https://doi.org/10.1371/journal.pgen.1007641</ext-link> <pub-id pub-id-type="doi">10.1371/journal.pgen.1007641</pub-id></mixed-citation>
      </ref>
      <ref id="ref160">
        <mixed-citation>Kairov U, Molkenov A, Rakhimova S, Kozhamkulov U, Sharip A, Karabayev D, et al. Whole-genome sequencing data of Kazakh individuals. <italic>BMC Res Notes</italic>. 2021; 14(1): 45. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13104-021-05464-4">https://doi.org/10.1186/s13104-021-05464-4</ext-link> <pub-id pub-id-type="doi">10.1186/s13104-021-05464-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref161">
        <mixed-citation>Kairov U, Molkenov A, Sharip A, Rakhimova S, Seidualy M, Rhie A, et al. Whole-Genome Sequencing and Genomic Variant Analysis of Kazakh Individuals. <italic>Front Genet</italic>. 2022; 13: 902804. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.3389/fgene.2022.902804">https://doi.org/10.3389/fgene.2022.902804</ext-link> <pub-id pub-id-type="doi">10.3389/fgene.2022.902804</pub-id></mixed-citation>
      </ref>
      <ref id="ref162">
        <mixed-citation>Kent WJ, Baertsch R, Hinrichs A, Miller W, Haussler D. Evolution's cauldron: duplication, deletion, and rearrangement in the mouse and human genomes. <italic>Proc Natl Acad Sci U S A</italic>. 2003; 100(20): 11484-9. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1073/pnas.1932072100">https://doi.org/10.1073/pnas.1932072100</ext-link> <pub-id pub-id-type="doi">10.1073/pnas.1932072100</pub-id></mixed-citation>
      </ref>
      <ref id="ref163">
        <mixed-citation>Kiełbasa SM, Wan R, Sato K, Horton P, Frith MC. Adaptive seeds tame genomic sequence comparison. <italic>Genome Res</italic>. 2011; 21(3): 487-93. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.113985.110">https://doi.org/10.1101/gr.113985.110</ext-link> <pub-id pub-id-type="doi">10.1101/gr.113985.110</pub-id></mixed-citation>
      </ref>
      <ref id="ref164">
        <mixed-citation>Marçais G, Delcher AL, Phillippy AM, Coston R, Salzberg SL, Zimin A. MUMmer4: A fast and versatile genome alignment system. <italic>PLoS Comput Biol</italic>. 2018; 14(1): e1005944. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1371/journal.pcbi.1005944">https://doi.org/10.1371/journal.pcbi.1005944</ext-link> <pub-id pub-id-type="doi">10.1371/journal.pcbi.1005944</pub-id></mixed-citation>
      </ref>
      <ref id="ref165">
        <mixed-citation>Marco-Sola S, Moure JC, Moreto M, Espinosa A. Fast gap-affine pairwise alignment using the wavefront algorithm. <italic>Bioinformatics</italic>. 2021; 37(4): 456-463. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btaa777">https://doi.org/10.1093/bioinformatics/btaa777</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btaa777</pub-id></mixed-citation>
      </ref>
      <ref id="ref166">
        <mixed-citation>Hickey G, Paten B, Earl D, Zerbino D, Haussler D. HAL: a hierarchical format for storing and analyzing multiple genome alignments. <italic>Bioinformatics</italic>. 2013; 29(10): 1341-2. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btt128">https://doi.org/10.1093/bioinformatics/btt128</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btt128</pub-id></mixed-citation>
      </ref>
      <ref id="ref167">
        <mixed-citation>Armstrong J, Hickey G, Diekhans M, Fiddes IT, Novak AM, Deran A, et al. Progressive Cactus is a multiple-genome aligner for the thousand-genome era. <italic>Nature</italic>. 2020; 587(7833): 246-251. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-020-2871-y">https://doi.org/10.1038/s41586-020-2871-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-020-2871-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref168">
        <mixed-citation>Goel M, Sun H, Jiao WB, Schneeberger K. SyRI: finding genomic rearrangements and local sequence differences from whole-genome assemblies. <italic>Genome Biol</italic>. 2019; 20(1): 277. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-019-1911-0">https://doi.org/10.1186/s13059-019-1911-0</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-019-1911-0</pub-id></mixed-citation>
      </ref>
      <ref id="ref169">
        <mixed-citation>Wang Y, Tang H, Debarry JD, Tan X, Li J, Wang X, et al. MCScanX: a toolkit for detection and evolutionary analysis of gene synteny and collinearity. <italic>Nucleic Acids Res</italic>. 2012; 40(7): e49. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/nar/gkr1293">https://doi.org/10.1093/nar/gkr1293</ext-link> <pub-id pub-id-type="doi">10.1093/nar/gkr1293</pub-id></mixed-citation>
      </ref>
      <ref id="ref170">
        <mixed-citation>Lovell JT, Sreedasyam A, Schranz ME, Wilson M, Carlson JW, Harkess A, et al. GENESPACE tracks regions of interest and gene copy number variation across multiple genomes. <italic>Elife</italic>. 2022; 11: e78526. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.7554/eLife.78526">https://doi.org/10.7554/eLife.78526</ext-link> <pub-id pub-id-type="doi">10.7554/eLife.78526</pub-id></mixed-citation>
      </ref>
      <ref id="ref171">
        <mixed-citation>Emms DM, Kelly S. OrthoFinder: phylogenetic orthology inference for comparative genomics. <italic>Genome Biol</italic>. 2019; 20(1): 238. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-019-1832-y">https://doi.org/10.1186/s13059-019-1832-y</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-019-1832-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref172">
        <mixed-citation>Kirilenko BM, Munegowda C, Osipova E, Jebb D, Sharma V, Blumer M, et al. Integrating gene annotation with orthology inference at scale. <italic>Science</italic>. 2023; 380(6643): eabn3107. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abn3107">https://doi.org/10.1126/science.abn3107</ext-link> <pub-id pub-id-type="doi">10.1126/science.abn3107</pub-id></mixed-citation>
      </ref>
      <ref id="ref173">
        <mixed-citation>Shumate A, Salzberg SL. Liftoff: accurate mapping of gene annotations. <italic>Bioinformatics</italic>. 2021; 37(12): 1639-1643. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btaa1016">https://doi.org/10.1093/bioinformatics/btaa1016</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btaa1016</pub-id></mixed-citation>
      </ref>
      <ref id="ref174">
        <mixed-citation>Siepel A, Bejerano G, Pedersen JS, Hinrichs AS, Hou M, Rosenbloom K, et al. Evolutionarily conserved elements in vertebrate, insect, worm, and yeast genomes. <italic>Genome Res</italic>. 2005; 15(8): 1034-50. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.3715005">https://doi.org/10.1101/gr.3715005</ext-link> <pub-id pub-id-type="doi">10.1101/gr.3715005</pub-id></mixed-citation>
      </ref>
      <ref id="ref175">
        <mixed-citation>Pollard KS, Hubisz MJ, Rosenbloom KR, Siepel A. Detection of nonneutral substitution rates on mammalian phylogenies. <italic>Genome Res</italic>. 2010; 20(1): 110-21. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.097857.109">https://doi.org/10.1101/gr.097857.109</ext-link> <pub-id pub-id-type="doi">10.1101/gr.097857.109</pub-id></mixed-citation>
      </ref>
      <ref id="ref176">
        <mixed-citation>Christmas MJ, Kaplow IM, Genereux DP, Dong MX, Hughes GM, Li X, et al. Evolutionary constraint and innovation across hundreds of placental mammals. <italic>Science</italic>. 2023; 380(6643): eabn3943. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abn3943">https://doi.org/10.1126/science.abn3943</ext-link> <pub-id pub-id-type="doi">10.1126/science.abn3943</pub-id></mixed-citation>
      </ref>
      <ref id="ref177">
        <mixed-citation>Sullivan PF, Meadows JRS, Gazal S, Phan BN, Li X, Genereux DP, et al. Leveraging base-pair mammalian constraint to understand genetic variation and human disease. <italic>Science</italic>. 2023; 380(6643): eabn2937. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abn2937">https://doi.org/10.1126/science.abn2937</ext-link> <pub-id pub-id-type="doi">10.1126/science.abn2937</pub-id></mixed-citation>
      </ref>
      <ref id="ref178">
        <mixed-citation>Kuderna LFK, Gao H, Janiak MC, Kuhlwilm M, Orkin JD, Bataillon T, et al. A global catalog of whole-genome diversity from 233 primate species. <italic>Science</italic>. 2023; 380(6648): 906-913. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abn7829">https://doi.org/10.1126/science.abn7829</ext-link> <pub-id pub-id-type="doi">10.1126/science.abn7829</pub-id></mixed-citation>
      </ref>
      <ref id="ref179">
        <mixed-citation>Pollard KS, Salama SR, Lambert N, Lambot MA, Coppens S, Pedersen JS, et al. An RNA gene expressed during cortical development evolved rapidly in humans. <italic>Nature</italic>. 2006; 443(7108): 167-72. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nature05113">https://doi.org/10.1038/nature05113</ext-link> <pub-id pub-id-type="doi">10.1038/nature05113</pub-id></mixed-citation>
      </ref>
      <ref id="ref180">
        <mixed-citation>Yang Z. PAML 4: phylogenetic analysis by maximum likelihood. <italic>Mol Biol Evol</italic>. 2007; 24(8): 1586-91. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/molbev/msm088">https://doi.org/10.1093/molbev/msm088</ext-link> <pub-id pub-id-type="doi">10.1093/molbev/msm088</pub-id></mixed-citation>
      </ref>
      <ref id="ref181">
        <mixed-citation>Kosakovsky Pond SL, Poon AFY, Velazquez R, Weaver S, Hepler NL, Murrell B, et al. HyPhy 2.5: A Customizable Platform for Evolutionary Hypothesis Testing Using Phylogenies. <italic>Mol Biol Evol</italic>. 2020; 37(1): 295-299. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/molbev/msz197">https://doi.org/10.1093/molbev/msz197</ext-link> <pub-id pub-id-type="doi">10.1093/molbev/msz197</pub-id></mixed-citation>
      </ref>
      <ref id="ref182">
        <mixed-citation>Mendes FK, Vanderpool D, Fulton B, Hahn MW. CAFE 5 models variation in evolutionary rates among gene families. <italic>Bioinformatics</italic>. 2021; 36(22-23): 5516-5518. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btaa1022">https://doi.org/10.1093/bioinformatics/btaa1022</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btaa1022</pub-id></mixed-citation>
      </ref>
      <ref id="ref183">
        <mixed-citation>Rivas-González I, Rousselle M, Li F, Zhou L, Dutheil JY, Munch K, et al. Pervasive incomplete lineage sorting illuminates speciation and selection in primates. <italic>Science</italic>. 2023; 380(6648): eabn4409. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abn4409">https://doi.org/10.1126/science.abn4409</ext-link> <pub-id pub-id-type="doi">10.1126/science.abn4409</pub-id></mixed-citation>
      </ref>
      <ref id="ref184">
        <mixed-citation>Mao Y, Catacchio CR, Hillier LW, Porubsky D, Li R, Sulovari A, et al. A high-quality bonobo genome refines the analysis of hominid evolution. <italic>Nature</italic>. 2021; 594(7861): 77-81. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-021-03519-x">https://doi.org/10.1038/s41586-021-03519-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-021-03519-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref185">
        <mixed-citation>Mao Y, Harvey WT, Porubsky D, Munson KM, Hoekzema K, Lewis AP, et al. Structurally divergent and recurrently mutated regions of primate genomes. <italic>Cell</italic>. 2024; 187(6): 1547-1562.e13. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cell.2024.01.052">https://doi.org/10.1016/j.cell.2024.01.052</ext-link> <pub-id pub-id-type="doi">10.1016/j.cell.2024.01.052</pub-id></mixed-citation>
      </ref>
      <ref id="ref186">
        <mixed-citation>Dennis MY, Nuttle X, Sudmant PH, Antonacci F, Graves TA, Nefedov M, et al. Evolution of human-specific neural SRGAP2 genes by incomplete segmental duplication. <italic>Cell</italic>. 2012; 149(4): 912-22. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cell.2012.03.033">https://doi.org/10.1016/j.cell.2012.03.033</ext-link> <pub-id pub-id-type="doi">10.1016/j.cell.2012.03.033</pub-id></mixed-citation>
      </ref>
      <ref id="ref187">
        <mixed-citation>Fiddes IT, Lodewijk GA, Mooring M, Bosworth CM, Ewing AD, Mantalas GL, et al. Human-Specific NOTCH2NL Genes Affect Notch Signaling and Cortical Neurogenesis. <italic>Cell</italic>. 2018; 173(6): 1356-1369.e22. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cell.2018.03.051">https://doi.org/10.1016/j.cell.2018.03.051</ext-link> <pub-id pub-id-type="doi">10.1016/j.cell.2018.03.051</pub-id></mixed-citation>
      </ref>
      <ref id="ref188">
        <mixed-citation>Tettelin H, Masignani V, Cieslewicz MJ, Donati C, Medini D, Ward NL, et al. Genome analysis of multiple pathogenic isolates of Streptococcus agalactiae: implications for the microbial "pan-genome". <italic>Proc Natl Acad Sci U S A</italic>. 2005; 102(39): 13950-5. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1073/pnas.0506758102">https://doi.org/10.1073/pnas.0506758102</ext-link> <pub-id pub-id-type="doi">10.1073/pnas.0506758102</pub-id></mixed-citation>
      </ref>
      <ref id="ref189">
        <mixed-citation>Sherman RM, Forman J, Antonescu V, Puiu D, Daya M, Rafaels N, et al. Assembly of a pan-genome from deep sequencing of 910 humans of African descent. <italic>Nat Genet</italic>. 2019; 51(1): 30-35. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-018-0273-y">https://doi.org/10.1038/s41588-018-0273-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-018-0273-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref190">
        <mixed-citation>Eizenga JM, Novak AM, Sibbesen JA, Heumos S, Ghaffaari A, Hickey G, et al. Pangenome Graphs. <italic>Annu Rev Genomics Hum Genet</italic>. 2020; 21: 139-162. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1146/annurev-genom-120219-080406">https://doi.org/10.1146/annurev-genom-120219-080406</ext-link> <pub-id pub-id-type="doi">10.1146/annurev-genom-120219-080406</pub-id></mixed-citation>
      </ref>
      <ref id="ref191">
        <mixed-citation>Garrison E, Sirén J, Novak AM, Hickey G, Eizenga JM, Dawson ET, et al. Variation graph toolkit improves read mapping by representing genetic variation in the reference. <italic>Nat Biotechnol</italic>. 2018; 36(9): 875-879. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nbt.4227">https://doi.org/10.1038/nbt.4227</ext-link> <pub-id pub-id-type="doi">10.1038/nbt.4227</pub-id></mixed-citation>
      </ref>
      <ref id="ref192">
        <mixed-citation>Li H, Feng X, Chu C. The design and construction of reference pangenome graphs with minigraph. <italic>Genome Biol</italic>. 2020; 21(1): 265. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-020-02168-z">https://doi.org/10.1186/s13059-020-02168-z</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-020-02168-z</pub-id></mixed-citation>
      </ref>
      <ref id="ref193">
        <mixed-citation>Hickey G, Monlong J, Ebler J, Novak AM, Eizenga JM, Gao Y, et al. Pangenome graph construction from genome alignments with Minigraph-Cactus. <italic>Nat Biotechnol</italic>. 2024; 42(4): 663-673. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-023-01793-w">https://doi.org/10.1038/s41587-023-01793-w</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-023-01793-w</pub-id></mixed-citation>
      </ref>
      <ref id="ref194">
        <mixed-citation>Garrison E, Guarracino A, Heumos S, Villani F, Bao Z, Tattini L, et al. Building pangenome graphs. <italic>Nat Methods</italic>. 2024; 21(11): 2008-2012. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-024-02430-3">https://doi.org/10.1038/s41592-024-02430-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-024-02430-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref195">
        <mixed-citation>Guarracino A, Heumos S, Nahnsen S, Prins P, Garrison E. ODGI: understanding pangenome graphs. <italic>Bioinformatics</italic>. 2022; 38(13): 3319-3326. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btac308">https://doi.org/10.1093/bioinformatics/btac308</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btac308</pub-id></mixed-citation>
      </ref>
      <ref id="ref196">
        <mixed-citation>Chin CS, Behera S, Khalak A, Sedlazeck FJ, Sudmant PH, Wagner J, et al. Multiscale analysis of pangenomes enables improved representation of genomic diversity for repetitive and clinically relevant genes. <italic>Nat Methods</italic>. 2023; 20(8): 1213-1221. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-023-01914-y">https://doi.org/10.1038/s41592-023-01914-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-023-01914-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref197">
        <mixed-citation>Li H, Marin M, Farhat MR. Exploring gene content with pangene graphs. <italic>Bioinformatics</italic>. 2024; 40(7). <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btae456">https://doi.org/10.1093/bioinformatics/btae456</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btae456</pub-id></mixed-citation>
      </ref>
      <ref id="ref198">
        <mixed-citation>Andreace F, Lechat P, Dufresne Y, Chikhi R. Comparing methods for constructing and representing human pangenome graphs. <italic>Genome Biol</italic>. 2023; 24(1): 274. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-023-03098-2">https://doi.org/10.1186/s13059-023-03098-2</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-023-03098-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref199">
        <mixed-citation>Gao Y, Yang X, Chen H, Tan X, Yang Z, Deng L, et al. A pangenome reference of 36 Chinese populations. <italic>Nature</italic>. 2023; 619(7968): 112-121. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-023-06173-7">https://doi.org/10.1038/s41586-023-06173-7</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-023-06173-7</pub-id></mixed-citation>
      </ref>
      <ref id="ref200">
        <mixed-citation>Nassir N, Almarri MA, Kumail M, Mohamed N, Balan B, Hanif S, et al. A draft UAE-based Arab pangenome reference. <italic>Nat Commun</italic>. 2025; 16(1): 6747. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-025-61645-w">https://doi.org/10.1038/s41467-025-61645-w</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-025-61645-w</pub-id></mixed-citation>
      </ref>
      <ref id="ref201">
        <mixed-citation>Sirén J, Monlong J, Chang X, Novak AM, Eizenga JM, Markello C, et al. Pangenomics enables genotyping of known structural variants in 5202 diverse genomes. <italic>Science</italic>. 2021; 374(6574): eabg8871. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abg8871">https://doi.org/10.1126/science.abg8871</ext-link> <pub-id pub-id-type="doi">10.1126/science.abg8871</pub-id></mixed-citation>
      </ref>
      <ref id="ref202">
        <mixed-citation>Rautiainen M, Marschall T. GraphAligner: rapid and versatile sequence-to-graph alignment. <italic>Genome Biol</italic>. 2020; 21(1): 253. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-020-02157-2">https://doi.org/10.1186/s13059-020-02157-2</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-020-02157-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref203">
        <mixed-citation>Sirén J, Eskandar P, Ungaro MT, Hickey G, Eizenga JM, Novak AM, et al. Personalized pangenome references. <italic>Nat Methods</italic>. 2024; 21(11): 2017-2023. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41592-024-02407-2">https://doi.org/10.1038/s41592-024-02407-2</ext-link> <pub-id pub-id-type="doi">10.1038/s41592-024-02407-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref204">
        <mixed-citation>Hickey G, Heller D, Monlong J, Sibbesen JA, Sirén J, Eizenga J, et al. Genotyping structural variants in pangenome graphs using the vg toolkit. <italic>Genome Biol</italic>. 2020; 21(1): 35. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-020-1941-7">https://doi.org/10.1186/s13059-020-1941-7</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-020-1941-7</pub-id></mixed-citation>
      </ref>
      <ref id="ref205">
        <mixed-citation>Ebler J, Ebert P, Clarke WE, Rausch T, Audano PA, Houwaart T, et al. Pangenome-based genome inference allows efficient and accurate genotyping across a wide spectrum of variant classes. <italic>Nat Genet</italic>. 2022; 54(4): 518-525. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-022-01043-w">https://doi.org/10.1038/s41588-022-01043-w</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-022-01043-w</pub-id></mixed-citation>
      </ref>
      <ref id="ref206">
        <mixed-citation>Prodanov T, Plender EG, Seebohm G, Meuth SG, Eichler EE, Marschall T. Locityper enables targeted genotyping of complex polymorphic genes. <italic>Nat Genet</italic>. 2025; 57(11): 2901-2908. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-025-02362-4">https://doi.org/10.1038/s41588-025-02362-4</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-025-02362-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref207">
        <mixed-citation>Groza C, Schwendinger-Schreck C, Cheung WA, Farrow EG, Thiffault I, Lake J, et al. Pangenome graphs improve the analysis of structural variants in rare genetic diseases. <italic>Nat Commun</italic>. 2024; 15(1): 657. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-024-44980-2">https://doi.org/10.1038/s41467-024-44980-2</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-024-44980-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref208">
        <mixed-citation>Guarracino A, Buonaiuto S, de Lima LG, Potapova T, Rhie A, Koren S, et al. Recombination between heterologous human acrocentric chromosomes. <italic>Nature</italic>. 2023; 617(7960): 335-343. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-023-05976-y">https://doi.org/10.1038/s41586-023-05976-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-023-05976-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref209">
        <mixed-citation>Vollger MR, Dishuck PC, Harvey WT, DeWitt WS, Guitart X, Goldberg ME, et al. Increased mutation and gene conversion within human segmental duplications. <italic>Nature</italic>. 2023; 617(7960): 325-334. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-023-05895-y">https://doi.org/10.1038/s41586-023-05895-y</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-023-05895-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref210">
        <mixed-citation>Hoyt SJ, Storer JM, Hartley GA, Grady PGS, Gershman A, de Lima LG, et al. From telomere to telomere: The transcriptional and epigenetic state of human repeat elements. <italic>Science</italic>. 2022; 376(6588): eabk3112. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abk3112">https://doi.org/10.1126/science.abk3112</ext-link> <pub-id pub-id-type="doi">10.1126/science.abk3112</pub-id></mixed-citation>
      </ref>
      <ref id="ref211">
        <mixed-citation>Wicker T, Sabot F, Hua-Van A, Bennetzen JL, Capy P, Chalhoub B, et al. A unified classification system for eukaryotic transposable elements. <italic>Nat Rev Genet</italic>. 2007; 8(12): 973-82. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nrg2165">https://doi.org/10.1038/nrg2165</ext-link> <pub-id pub-id-type="doi">10.1038/nrg2165</pub-id></mixed-citation>
      </ref>
      <ref id="ref212">
        <mixed-citation>Smit AFA, Hubley R, Green P. RepeatMasker Open-4.0. 2015. Available at: <ext-link ext-link-type="uri" xlink:href="http://www.repeatmasker.org">http://www.repeatmasker.org</ext-link></mixed-citation>
      </ref>
      <ref id="ref213">
        <mixed-citation>Bao W, Kojima KK, Kohany O. Repbase Update, a database of repetitive elements in eukaryotic genomes. <italic>Mob DNA</italic>. 2015; 6: 11. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13100-015-0041-9">https://doi.org/10.1186/s13100-015-0041-9</ext-link> <pub-id pub-id-type="doi">10.1186/s13100-015-0041-9</pub-id></mixed-citation>
      </ref>
      <ref id="ref214">
        <mixed-citation>Storer J, Hubley R, Rosen J, Wheeler TJ, Smit AF. The Dfam community resource of transposable element families, sequence models, and genome annotations. <italic>Mob DNA</italic>. 2021; 12(1): 2. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13100-020-00230-y">https://doi.org/10.1186/s13100-020-00230-y</ext-link> <pub-id pub-id-type="doi">10.1186/s13100-020-00230-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref215">
        <mixed-citation>Flynn JM, Hubley R, Goubert C, Rosen J, Clark AG, Feschotte C, et al. RepeatModeler2 for automated genomic discovery of transposable element families. <italic>Proc Natl Acad Sci U S A</italic>. 2020; 117(17): 9451-9457. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1073/pnas.1921046117">https://doi.org/10.1073/pnas.1921046117</ext-link> <pub-id pub-id-type="doi">10.1073/pnas.1921046117</pub-id></mixed-citation>
      </ref>
      <ref id="ref216">
        <mixed-citation>Ou S, Su W, Liao Y, Chougule K, Agda JRA, Hellinga AJ, et al. Benchmarking transposable element annotation methods for creation of a streamlined, comprehensive pipeline. <italic>Genome Biol</italic>. 2019; 20(1): 275. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-019-1905-y">https://doi.org/10.1186/s13059-019-1905-y</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-019-1905-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref217">
        <mixed-citation>Hu K, Ni P, Xu M, Zou Y, Chang J, Gao X, et al. HiTE: a fast and accurate dynamic boundary adjustment approach for full-length transposable element detection and annotation. <italic>Nat Commun</italic>. 2024; 15(1): 5573. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-024-49912-8">https://doi.org/10.1038/s41467-024-49912-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-024-49912-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref218">
        <mixed-citation>Goerner-Potvin P, Bourque G. Computational tools to unmask transposable elements. <italic>Nat Rev Genet</italic>. 2018; 19(11): 688-704. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41576-018-0050-x">https://doi.org/10.1038/s41576-018-0050-x</ext-link> <pub-id pub-id-type="doi">10.1038/s41576-018-0050-x</pub-id></mixed-citation>
      </ref>
      <ref id="ref219">
        <mixed-citation>Kazazian HH, Moran JV. Mobile DNA in Health and Disease. <italic>N Engl J Med</italic>. 2017; 377(4): 361-370. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1056/NEJMra1510092">https://doi.org/10.1056/NEJMra1510092</ext-link> <pub-id pub-id-type="doi">10.1056/NEJMra1510092</pub-id></mixed-citation>
      </ref>
      <ref id="ref220">
        <mixed-citation>Payer LM, Burns KH. Transposable elements in human genetic disease. <italic>Nat Rev Genet</italic>. 2019; 20(12): 760-772. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41576-019-0165-8">https://doi.org/10.1038/s41576-019-0165-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41576-019-0165-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref221">
        <mixed-citation>Chuong EB, Elde NC, Feschotte C. Regulatory activities of transposable elements: from conflicts to benefits. <italic>Nat Rev Genet</italic>. 2017; 18(2): 71-86. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nrg.2016.139">https://doi.org/10.1038/nrg.2016.139</ext-link> <pub-id pub-id-type="doi">10.1038/nrg.2016.139</pub-id></mixed-citation>
      </ref>
      <ref id="ref222">
        <mixed-citation>Gardner EJ, Lam VK, Harris DN, Chuang NT, Scott EC, Pittard WS, et al. The Mobile Element Locator Tool (MELT): population-scale mobile element discovery and biology. <italic>Genome Res</italic>. 2017; 27(11): 1916-1929. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.218032.116">https://doi.org/10.1101/gr.218032.116</ext-link> <pub-id pub-id-type="doi">10.1101/gr.218032.116</pub-id></mixed-citation>
      </ref>
      <ref id="ref223">
        <mixed-citation>Kojima S, Koyama S, Ka M, Saito Y, Parrish EH, Endo M, et al. Mobile element variation contributes to population-specific genome diversification, gene regulation and disease risk. <italic>Nat Genet</italic>. 2023; 55(6): 939-951. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-023-01390-2">https://doi.org/10.1038/s41588-023-01390-2</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-023-01390-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref224">
        <mixed-citation>Zhou W, Emery SB, Flasch DA, Wang Y, Kwan KY, Kidd JM, et al. Identification and characterization of occult human-specific LINE-1 insertions using long-read sequencing technology. <italic>Nucleic Acids Res</italic>. 2020; 48(3): 1146-1163. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/nar/gkz1173">https://doi.org/10.1093/nar/gkz1173</ext-link> <pub-id pub-id-type="doi">10.1093/nar/gkz1173</pub-id></mixed-citation>
      </ref>
      <ref id="ref225">
        <mixed-citation>Chu C, Borges-Monroy R, Viswanadham VV, Lee S, Li H, Lee EA, et al. Comprehensive identification of transposable element insertions using multiple sequencing technologies. <italic>Nat Commun</italic>. 2021; 12(1): 3836. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-021-24041-8">https://doi.org/10.1038/s41467-021-24041-8</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-021-24041-8</pub-id></mixed-citation>
      </ref>
      <ref id="ref226">
        <mixed-citation>Ewing AD, Smits N, Sanchez-Luque FJ, Faivre J, Brennan PM, Richardson SR, et al. Nanopore Sequencing Enables Comprehensive Transposable Element Epigenomic Profiling. <italic>Mol Cell</italic>. 2020; 80(5): 915-928.e5. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.molcel.2020.10.024">https://doi.org/10.1016/j.molcel.2020.10.024</ext-link> <pub-id pub-id-type="doi">10.1016/j.molcel.2020.10.024</pub-id></mixed-citation>
      </ref>
      <ref id="ref227">
        <mixed-citation>Groza C, Chen X, Wheeler TJ, Bourque G, Goubert C. A unified framework to analyze transposable element insertion polymorphisms using graph genomes. <italic>Nat Commun</italic>. 2024; 15(1): 8915. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-024-53294-2">https://doi.org/10.1038/s41467-024-53294-2</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-024-53294-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref228">
        <mixed-citation>Gershman A, Sauria MEG, Guitart X, Vollger MR, Hook PW, Hoyt SJ, et al. Epigenetic patterns in a complete human genome. <italic>Science</italic>. 2022; 376(6588): eabj5089. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abj5089">https://doi.org/10.1126/science.abj5089</ext-link> <pub-id pub-id-type="doi">10.1126/science.abj5089</pub-id></mixed-citation>
      </ref>
      <ref id="ref229">
        <mixed-citation>Altemose N, Logsdon GA, Bzikadze AV, Sidhwani P, Langley SA, Caldas GV, et al. Complete genomic and epigenetic maps of human centromeres. <italic>Science</italic>. 2022; 376(6588): eabl4178. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abl4178">https://doi.org/10.1126/science.abl4178</ext-link> <pub-id pub-id-type="doi">10.1126/science.abl4178</pub-id></mixed-citation>
      </ref>
      <ref id="ref230">
        <mixed-citation>Miga KH, Alexandrov IA. Variation and Evolution of Human Centromeres: A Field Guide and Perspective. <italic>Annu Rev Genet</italic>. 2021; 55: 583-602. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1146/annurev-genet-071719-020519">https://doi.org/10.1146/annurev-genet-071719-020519</ext-link> <pub-id pub-id-type="doi">10.1146/annurev-genet-071719-020519</pub-id></mixed-citation>
      </ref>
      <ref id="ref231">
        <mixed-citation>Bzikadze AV, Pevzner PA. Automated assembly of centromeres from ultra-long error-prone reads. <italic>Nat Biotechnol</italic>. 2020; 38(11): 1309-1316. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-020-0582-4">https://doi.org/10.1038/s41587-020-0582-4</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-020-0582-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref232">
        <mixed-citation>Dvorkina T, Bzikadze AV, Pevzner PA. The string decomposition problem and its applications to centromere analysis and assembly. <italic>Bioinformatics</italic>. 2020; 36(Suppl_1): i93-i101. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btaa454">https://doi.org/10.1093/bioinformatics/btaa454</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btaa454</pub-id></mixed-citation>
      </ref>
      <ref id="ref233">
        <mixed-citation>Kunyavskaya O, Dvorkina T, Bzikadze AV, Alexandrov IA, Pevzner PA. Automated annotation of human centromeres with HORmon. <italic>Genome Res</italic>. 2022; 32(6): 1137-1151. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.276362.121">https://doi.org/10.1101/gr.276362.121</ext-link> <pub-id pub-id-type="doi">10.1101/gr.276362.121</pub-id></mixed-citation>
      </ref>
      <ref id="ref234">
        <mixed-citation>Zhang Y, Chu J, Cheng H, Li H. De novo reconstruction of satellite repeat units from sequence data. <italic>Genome Res</italic>. 2023; 33(11): 1994-2001. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.278005.123">https://doi.org/10.1101/gr.278005.123</ext-link> <pub-id pub-id-type="doi">10.1101/gr.278005.123</pub-id></mixed-citation>
      </ref>
      <ref id="ref235">
        <mixed-citation>Wlodzimierz P, Hong M, Henderson IR. TRASH: Tandem Repeat Annotation and Structural Hierarchy. <italic>Bioinformatics</italic>. 2023; 39(5). <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btad308">https://doi.org/10.1093/bioinformatics/btad308</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btad308</pub-id></mixed-citation>
      </ref>
      <ref id="ref236">
        <mixed-citation>Vollger MR, Kerpedjiev P, Phillippy AM, Eichler EE. StainedGlass: interactive visualization of massive tandem repeat structures with identity heatmaps. <italic>Bioinformatics</italic>. 2022; 38(7): 2049-2051. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btac018">https://doi.org/10.1093/bioinformatics/btac018</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btac018</pub-id></mixed-citation>
      </ref>
      <ref id="ref237">
        <mixed-citation>Sweeten AP, Schatz MC, Phillippy AM. ModDotPlot: rapid and interactive visualization of tandem repeats. <italic>Bioinformatics</italic>. 2024; 40(8). <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btae493">https://doi.org/10.1093/bioinformatics/btae493</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btae493</pub-id></mixed-citation>
      </ref>
      <ref id="ref238">
        <mixed-citation>Logsdon GA, Rozanski AN, Ryabov F, Potapova T, Shepelev VA, Catacchio CR, et al. The variation and evolution of complete human centromeres. <italic>Nature</italic>. 2024; 629(8010): 136-145. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41586-024-07278-3">https://doi.org/10.1038/s41586-024-07278-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41586-024-07278-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref239">
        <mixed-citation>Hannan AJ. Tandem repeats mediating genetic plasticity in health and disease. <italic>Nat Rev Genet</italic>. 2018; 19(5): 286-298. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nrg.2017.115">https://doi.org/10.1038/nrg.2017.115</ext-link> <pub-id pub-id-type="doi">10.1038/nrg.2017.115</pub-id></mixed-citation>
      </ref>
      <ref id="ref240">
        <mixed-citation>Chaisson MJP, Sulovari A, Valdmanis PN, Miller DE, Eichler EE. Advances in the discovery and analyses of human tandem repeats. <italic>Emerg Top Life Sci</italic>. 2023; 7(3): 361-381. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1042/ETLS20230074">https://doi.org/10.1042/ETLS20230074</ext-link> <pub-id pub-id-type="doi">10.1042/ETLS20230074</pub-id></mixed-citation>
      </ref>
      <ref id="ref241">
        <mixed-citation>Tanudisastro HA, Deveson IW, Dashnow H, MacArthur DG. Sequencing and characterizing short tandem repeats in the human genome. <italic>Nat Rev Genet</italic>. 2024; 25(7): 460-475. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41576-024-00692-3">https://doi.org/10.1038/s41576-024-00692-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41576-024-00692-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref242">
        <mixed-citation>Depienne C, Mandel JL. 30 years of repeat expansion disorders: What have we learned and what are the remaining challenges? <italic>Am J Hum Genet</italic>. 2021; 108(5): 764-785. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.ajhg.2021.03.011">https://doi.org/10.1016/j.ajhg.2021.03.011</ext-link> <pub-id pub-id-type="doi">10.1016/j.ajhg.2021.03.011</pub-id></mixed-citation>
      </ref>
      <ref id="ref243">
        <mixed-citation>English AC, Dolzhenko E, Ziaei Jam H, McKenzie SK, Olson ND, De Coster W, et al. Analysis and benchmarking of small and large genomic variants across tandem repeats. <italic>Nat Biotechnol</italic>. 2025; 43(3): 431-442. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-024-02225-z">https://doi.org/10.1038/s41587-024-02225-z</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-024-02225-z</pub-id></mixed-citation>
      </ref>
      <ref id="ref244">
        <mixed-citation>Benson G. Tandem repeats finder: a program to analyze DNA sequences. <italic>Nucleic Acids Res</italic>. 1999; 27(2): 573-80. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/nar/27.2.573">https://doi.org/10.1093/nar/27.2.573</ext-link> <pub-id pub-id-type="doi">10.1093/nar/27.2.573</pub-id></mixed-citation>
      </ref>
      <ref id="ref245">
        <mixed-citation>Gymrek M, Golan D, Rosset S, Erlich Y. lobSTR: A short tandem repeat profiler for personal genomes. <italic>Genome Res</italic>. 2012; 22(6): 1154-62. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1101/gr.135780.111">https://doi.org/10.1101/gr.135780.111</ext-link> <pub-id pub-id-type="doi">10.1101/gr.135780.111</pub-id></mixed-citation>
      </ref>
      <ref id="ref246">
        <mixed-citation>Willems T, Zielinski D, Yuan J, Gordon A, Gymrek M, Erlich Y. Genome-wide profiling of heritable and de novo STR variations. <italic>Nat Methods</italic>. 2017; 14(6): 590-592. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/nmeth.4267">https://doi.org/10.1038/nmeth.4267</ext-link> <pub-id pub-id-type="doi">10.1038/nmeth.4267</pub-id></mixed-citation>
      </ref>
      <ref id="ref247">
        <mixed-citation>Dolzhenko E, Deshpande V, Schlesinger F, Krusche P, Petrovski R, Chen S, et al. ExpansionHunter: a sequence-graph-based tool to analyze variation in short tandem repeat regions. <italic>Bioinformatics</italic>. 2019; 35(22): 4754-4756. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/btz431">https://doi.org/10.1093/bioinformatics/btz431</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/btz431</pub-id></mixed-citation>
      </ref>
      <ref id="ref248">
        <mixed-citation>Mousavi N, Shleizer-Burko S, Yanicky R, Gymrek M. Profiling the genome-wide landscape of tandem repeat expansions. <italic>Nucleic Acids Res</italic>. 2019; 47(15): e90. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/nar/gkz501">https://doi.org/10.1093/nar/gkz501</ext-link> <pub-id pub-id-type="doi">10.1093/nar/gkz501</pub-id></mixed-citation>
      </ref>
      <ref id="ref249">
        <mixed-citation>Dashnow H, Lek M, Phipson B, Halman A, Sadedin S, Lonsdale A, et al. STRetch: detecting and discovering pathogenic short tandem repeat expansions. <italic>Genome Biol</italic>. 2018; 19(1): 121. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-018-1505-2">https://doi.org/10.1186/s13059-018-1505-2</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-018-1505-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref250">
        <mixed-citation>Dashnow H, Pedersen BS, Hiatt L, Brown J, Beecroft SJ, Ravenscroft G, et al. STRling: a k-mer counting approach that detects short tandem repeat expansions at known and novel loci. <italic>Genome Biol</italic>. 2022; 23(1): 257. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-022-02826-4">https://doi.org/10.1186/s13059-022-02826-4</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-022-02826-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref251">
        <mixed-citation>Cortese A, Simone R, Sullivan R, Vandrovcova J, Tariq H, Yau WY, et al. Biallelic expansion of an intronic repeat in RFC1 is a common cause of late-onset ataxia. <italic>Nat Genet</italic>. 2019; 51(4): 649-658. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41588-019-0372-4">https://doi.org/10.1038/s41588-019-0372-4</ext-link> <pub-id pub-id-type="doi">10.1038/s41588-019-0372-4</pub-id></mixed-citation>
      </ref>
      <ref id="ref252">
        <mixed-citation>Ibañez K, Polke J, Hagelstrom RT, Dolzhenko E, Pasko D, Thomas ERA, et al. Whole genome sequencing for the diagnosis of neurological repeat expansion disorders in the UK: a retrospective diagnostic accuracy and prospective clinical validation study. <italic>Lancet Neurol</italic>. 2022; 21(3): 234-245. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/S1474-4422%2821%2900462-2">https://doi.org/10.1016/S1474-4422%2821%2900462-2</ext-link> <pub-id pub-id-type="doi">10.1016/S1474-4422%2821%2900462-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref253">
        <mixed-citation>Ziaei Jam H, Li Y, DeVito R, Mousavi N, Ma N, Lujumba I, et al. A deep population reference panel of tandem repeat variation. <italic>Nat Commun</italic>. 2023; 14(1): 6711. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-023-42278-3">https://doi.org/10.1038/s41467-023-42278-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-023-42278-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref254">
        <mixed-citation>Cui Y, Ye W, Li JS, Li JJ, Vilain E, Sallam T, et al. A genome-wide spectrum of tandem repeat expansions in 338,963 humans. <italic>Cell</italic>. 2024; 187(9): 2336-2341.e5. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.cell.2024.03.004">https://doi.org/10.1016/j.cell.2024.03.004</ext-link> <pub-id pub-id-type="doi">10.1016/j.cell.2024.03.004</pub-id></mixed-citation>
      </ref>
      <ref id="ref255">
        <mixed-citation>Dolzhenko E, English A, Dashnow H, De Sena Brandine G, Mokveld T, Rowell WJ, et al. Characterization and visualization of tandem repeats at genome scale. <italic>Nat Biotechnol</italic>. 2024; 42(10): 1606-1614. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41587-023-02057-3">https://doi.org/10.1038/s41587-023-02057-3</ext-link> <pub-id pub-id-type="doi">10.1038/s41587-023-02057-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref256">
        <mixed-citation>Chiu R, Rajan-Babu IS, Friedman JM, Birol I. Straglr: discovering and genotyping tandem repeat expansions using whole genome long-read sequences. <italic>Genome Biol</italic>. 2021; 22(1): 224. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-021-02447-3">https://doi.org/10.1186/s13059-021-02447-3</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-021-02447-3</pub-id></mixed-citation>
      </ref>
      <ref id="ref257">
        <mixed-citation>Ziaei Jam H, Zook JM, Javadzadeh S, Park J, Sehgal A, Gymrek M. LongTR: genome-wide profiling of genetic variation at tandem repeats from long reads. <italic>Genome Biol</italic>. 2024; 25(1): 176. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-024-03319-2">https://doi.org/10.1186/s13059-024-03319-2</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-024-03319-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref258">
        <mixed-citation>Ren J, Gu B, Chaisson MJP. vamos: variable-number tandem repeats annotation using efficient motif sets. <italic>Genome Biol</italic>. 2023; 24(1): 175. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13059-023-03010-y">https://doi.org/10.1186/s13059-023-03010-y</ext-link> <pub-id pub-id-type="doi">10.1186/s13059-023-03010-y</pub-id></mixed-citation>
      </ref>
      <ref id="ref259">
        <mixed-citation>Lu TY, Human Genome Structural Variation Consortium, Chaisson MJP. Profiling variable-number tandem repeat variation across populations using repeat-pangenome graphs. <italic>Nat Commun</italic>. 2021; 12(1): 4250. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1038/s41467-021-24378-0">https://doi.org/10.1038/s41467-021-24378-0</ext-link> <pub-id pub-id-type="doi">10.1038/s41467-021-24378-0</pub-id></mixed-citation>
      </ref>
      <ref id="ref260">
        <mixed-citation>Bailey JA, Gu Z, Clark RA, Reinert K, Samonte RV, Schwartz S, et al. Recent segmental duplications in the human genome. <italic>Science</italic>. 2002; 297(5583): 1003-7. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.1072047">https://doi.org/10.1126/science.1072047</ext-link> <pub-id pub-id-type="doi">10.1126/science.1072047</pub-id></mixed-citation>
      </ref>
      <ref id="ref261">
        <mixed-citation>Vollger MR, Guitart X, Dishuck PC, Mercuri L, Harvey WT, Gershman A, et al. Segmental duplications and their variation in a complete human genome. <italic>Science</italic>. 2022; 376(6588): eabj6965. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1126/science.abj6965">https://doi.org/10.1126/science.abj6965</ext-link> <pub-id pub-id-type="doi">10.1126/science.abj6965</pub-id></mixed-citation>
      </ref>
      <ref id="ref262">
        <mixed-citation>Numanagić I, Gökkaya AS, Zhang L, Berger B, Alkan C, Hach F. Fast characterization of segmental duplications in genome assemblies. <italic>Bioinformatics</italic>. 2018; 34(17): i706-i714. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1093/bioinformatics/bty586">https://doi.org/10.1093/bioinformatics/bty586</ext-link> <pub-id pub-id-type="doi">10.1093/bioinformatics/bty586</pub-id></mixed-citation>
      </ref>
      <ref id="ref263">
        <mixed-citation>Išerić H, Alkan C, Hach F, Numanagić I. Fast characterization of segmental duplication structure in multiple genome assemblies. <italic>Algorithms Mol Biol</italic>. 2022; 17(1): 4. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1186/s13015-022-00210-2">https://doi.org/10.1186/s13015-022-00210-2</ext-link> <pub-id pub-id-type="doi">10.1186/s13015-022-00210-2</pub-id></mixed-citation>
      </ref>
      <ref id="ref264">
        <mixed-citation>Chen X, Harting J, Farrow E, Thiffault I, Kasperaviciute D, Hoischen A, et al. Comprehensive SMN1 and SMN2 profiling for spinal muscular atrophy analysis using long-read PacBio HiFi sequencing. <italic>Am J Hum Genet</italic>. 2023; 110(2): 240-250. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1016/j.ajhg.2023.01.001">https://doi.org/10.1016/j.ajhg.2023.01.001</ext-link> <pub-id pub-id-type="doi">10.1016/j.ajhg.2023.01.001</pub-id></mixed-citation>
      </ref>
      <ref id="ref265">
        <mixed-citation>Kalendar R, Kairov U. Genome-Wide Tool for Sensitive de novo Identification and Visualisation of Interspersed and Tandem Repeats. <italic>Bioinform Biol Insights</italic>. 2024; 18: 11779322241306391. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.1177/11779322241306391">https://doi.org/10.1177/11779322241306391</ext-link> <pub-id pub-id-type="doi">10.1177/11779322241306391</pub-id></mixed-citation>
      </ref>
      <ref id="ref266">
        <mixed-citation>Kalendar R. TotalRepeats: self-calibrated, alignment-free discovery and pangenome comparison of repeat families. Version 4.1.3 [computer software]. <italic>Zenodo</italic>. 2026. <ext-link ext-link-type="uri" xlink:href="https://doi.org/10.5281/zenodo.13735264">https://doi.org/10.5281/zenodo.13735264</ext-link>. Source code: <ext-link ext-link-type="uri" xlink:href="https://github.com/rkalendar/TotalRepeats">https://github.com/rkalendar/TotalRepeats</ext-link> <pub-id pub-id-type="doi">10.5281/zenodo.13735264</pub-id></mixed-citation>
      </ref>
    </ref-list>
  </back>
</article>
