在进行基因组de novo测序项目中，测序前，需要对该物种的基因组进行详细的调研（Survey），以帮助我们正确地制定基因组测序和后续分析策略，调研的内容包括但不限于以下信息：

（1）DNA提取时污染的可能性大小，即共生、寄生等情况；

（2）染色体条数；

（3）基因组倍型，是二倍体还是多倍体等；

（4）基因组大小，可通过网站查询（http://data.kew.org/cvalues查询植物基因组大小，http://www.genomesize.com 查询动物基因组大小），流式细胞仪方法，或者低深度测序Survey分析（即通过 K-mer 分析，从数学的角度评估基因组的大小，杂合以及重复等信息）。

小片段文库是指插入片段小于1Kb的文库，小片段文库产生的Reads（即我们通常说的读长的意思，它是指高通量测序平台直接产生的DNA序列）主要用于拼接成Contig（指Reads基于Overlap关系，拼接获得的长的序列）和组装结果纠错，我们通常需要不同梯度下的片段如250bp、350bp、500bp等。大片段文库是指插入片段大于1Kb的文库，大片段文库主要是用于将Contig进一步组装成Scaffold（是指将获得的Contig根据大片段文库的Pair-end关系，将Contig进一步组装成更长的序列）。文库类型通常有2Kb、5Kb、10Kb、15Kb以及20Kb等。10X Genomics、BioNano、PacBio和ONT等测序平台还有自己的建库方式，用于满足各自仪器设备的需求。测序方式有：Illumina、10X Genomics、BioNano、PacBio、ONT、HiFi、HiC。

对于测得的序列，例如通过Nanopore平台进行测序，我们直接获得的是平均长度在几十K的Reads；de novo测序最重要的目的就是对这些Reads进行组装、拼接，最终绘制出这个物种的基因组图谱。对于利用高通量技术对物种基因组进行de novo测序，很多物种得到的基因组组装序列都是一些长长短短的Scaffolds以及一些未组装的Reads。如果要组装到染色体水平则需要借助遗传图谱或其它测序技术（如HiC测序技术等）的辅助。对于一些高重复、高杂合的基因组区域，由于目前基因组组装算法以及测序技术的限制，这些基因组区域往往组装的效果不是特别理想。

Contig N50是指将拼接得到的Contig从长到短进行排列，排列成一条线。当长度达到总长度一半的时候，此时该条Contig的长度即为ContigN50。

Scaffold N50是将组装得到的Scaffold从长到短进行排列，当长度达到总长度一半的时候，此时该条Scaffold的长度即Scaffold N50。

一般来说Contig N50和Scaffold N50的长度越长，基因组组装的质量也就越好；但是Contig N50和Scaffold N50也不是唯一评估标准，还要看基因组的拼接的完整性等；除用Contig N50 和 Scaffold N50对基因组进行评估外，还会对基因组进行序列一致性评估序列完整性评估、准确性评估、核心蛋白编码基因完整性评估等。

对于组装得到的序列其实是一系列的ATCG的排列组合，那如何解读序列中的信息呢？我们要做的是对基因组进行注释，注释主要是对基因组中的重复序列、非编码基因结构、蛋白编码基因结构、基因功能进行注释。

对基因组注释结果进行评估，如：注释结果中的必需基因含量是否合理，基因数目是否合理，可信度高不高等，以此来评估注释结果的质量。