在說基因組的拼接之前，可以考慮如下的一個問題：

假設有一摞報紙被炸成了碎片，如何利用這些碎片拼接成一份完整的資訊瞭解那天發生的大事？

這個問題的難點在於：必定有一部分的資訊因為爆炸而消失不見，也不能簡單的把報紙粘起來，因為報紙不止一份，所以我們必須從大量包含了重複內容的碎片來重構一份完整的報紙。

傳統的基因租測序流程大致如下：

取目標樣本的一些組織（其中包含了數百萬的細胞，具有相同的基因組） -> 將這些dna打斷成一定長度的碎片(獲得的片段成為read） -> 使用測序儀測得read的鹼基序列

所以，在我們要進行後續的分析前，我們需要先要將這些 reads 拼接以還原我們需要的基因組資訊。

與剛才的報紙問題相似，但是基因組拼接的增加了以下難點：

• DNA是雙鏈，所以對於一個給定的read 我們無法知道他是來於DNA的其中一鏈，還是來自於它的互補鏈
• 測序儀測序錯誤
• 獲得的reads中可能沒有覆蓋到基因組的所有片段，所以無法重構該片段

這個問題看起來很複雜，顯得無從入手，我們可以將其分解為一個個的小問題，並且將其抽象成一個可以明確表達的問題，逐個解決。

從k-mers重構字串

我們假設測序獲得的read長度相等，而且沒有測序錯誤，也不用考慮重複問題，就簡單的考慮如何將 k-mers （k為read長度，）拼接成一個原始的字串

模擬k-mer的生成

輸入：整數k，字串                           

輸出：k-mers（經過排序）                  

在瞭解了k-mer是什麼後，我們反過來利用k-mers來還原一個字串

很明顯這個字串應該以TAA開頭，因為沒有3-mers以TA結尾

以AA開頭的3-mers只有AAT

而以AT開頭的 3-mers只有ATG

重複以上過程，我們還原了原始的字串

下面考慮一個更復雜的例子

我們還是從TAA開始

到此為止一切順利，但是以ATG後面以TG開頭的 3-mers 共有3個 TGC, TGG, TGT

換成TGC後似乎已經還原了原始字串，但是到此為止只使用了14個 3-mers，忽略了GGG，使得這個字串比原始字串少了一個字元G

上面的例子中ATG重複了3次，導致了我們有三個選擇TGC,TGG,TGT來延續ATG。當有數百萬個reads時，因為重複帶來的計算困難將更為嚴重。

可以將基因組的拼接類比為Triazzle（Triazzle是一種拼圖遊戲，雖然只有16塊拼圖，但是並沒有看起來那麼容易）

回到剛才的問題