使用de Bruijn graph组装基因组的时候，Kmer数为何必须是奇数呢

因为如果kmer是偶数，我们会发现基因组上有些序列（如，CGCGCGCG， kmer=4）的Kmer在反向互补后得到的序列仍然是它自身！而这是不能允许的，因为这将导致你无法区分某段序列的kmer到底是属于它自身还是说只是来自于它的互补链！！这将会给解组装的de Bruijn graph带来极大的困难。也许你会这样问“为什么我需要纠结于序列是不是来自互补链呢？毕竟双链DNA的正反链是严格互补的啊，基因组组装也是把它们合并装成一起的呀！”若你能这样来理解其实是没问题的，但前提却是基因组必须能够被一次性完整地（至少是非常接近完整）测出来，这时的测序深度只需是1就可以了（如果都已经把基因组完整测序出来了，那还要组装个屁呀 ！！！！！ (╯‵□′)╯︵┻━┻），而目前的测序技术是做不到这一点的，通常都是测出成千上百万千万个小小的片段（也叫read，长度一般是100-250bp），并且基因组也会被反复测很多层，所以这个时候构建kmer实际上就是对这些read进行的了，具体的操作就是按照kmer的长度把这些read切割成更小的片段，那么此时在构建de Bruijn graph时能够保证正确地把同属于一条read上的kmer连接起来，就极其重要了呀！你总不能一会儿把A kmer正确地连到它自己所在的read，一会儿又连到它互补链的read上去呀！这就是为何kmer不能是偶数的原因了，因为只有奇数，才能保证每个kmer序列的反向互补Kmer与自身是不同的，而这个不同的真正意义就是为了避免正反链混淆，如 ：5-mer的 CGCGC，反向互补后是 GCGCG， 它们是不同的；这就不会像 4-mer，CGCG发现它反向互补后仍然是CGCG！！

 

注：转发自http://www.fungenomics.com/question/11?notification_id=66&rf=false&item_id=6