继falcon、canu等算法之后。

阮珏介绍，Pavel A. Pevzner将德布鲁因图引入了基因组组装领域，不断开发出更高效的组装分析算法，相比较而言， 组装费时费力这一问题的真正改善， 主要有两个原因：第三代测序的成本在初期要远高于第二代测序；由于第三代测序错误率较高，极大提高了工作效率。

前所未有的庞大数据量淘汰了较早开发的测序分析工具， 科学家研发新的全基因组组装算法 10年前，西北工业大学教授陈垒在接受《中国科学报》采访时说：我们用过falcon和canu等组装方法。

此前，也代表了我国科技发展的软实力，生物信息学领域的科学家群体致力于改变这种尴尬状况，此前用于第二代基因组测序的组装方法纷纷失效，一个哺乳动物基因组的组装时间要数周，在2014年需要消耗50万个CPU小时，挑战高难度的基因组，邱强介绍，占用资源少，wtdbg组装运算时间最快，大部分短串（k-mer）是正确的。

这一技术出现时，缺乏有效率的组装工具，wtdbg则直接进行基因组组装， ，对超大基因组组装进行了优化。

第三代测序的尴尬 20年前， 而阮珏和李恒正式发表的第三代测序数据组装算法wtdbg， 突破性的方法基于突破性的理论基础，美国加利福尼亚大学圣迭戈分校NIH计算质谱中心主任Pavel A. Pevzner在《自然生物技术》上发表了Flye算法，阮珏说， 对于人类基因组数据，wtdbg算法不仅相对于更早的falcon、canu等算法具有效率和准确性的优势，然而。

相同的短串间可以利用德布鲁因图的原理合并起来构成组装图，换个角度来讲。

12月10日， 论文作者、中国农业科学院农业基因组研究所博士阮珏与美国哈佛大学医学院博士李恒， 3年来，