高通量测序技术是一种能同时对几十万到几百万条DNA分子进行序列测定的技术,因其在短时间内能够对数百万个全基因组配对端进行读取,且成本较低而被广泛采用。由于测序过程中DNA在复制过程中有可能出现错误拼接,会对后续基因分析产生影响,针对这种现象,各生物公司都致力于优化检测错误拼接的算法。现今的识别算法主要分为两种:基于参考基因组的识别错误拼接和无参考基因组的识别错误拼接。对于一些真核生物因其无近缘基因组作为参考,测序时间较长且准确率会较低。为了解决这两个问题,本文基于无参考基因组提出并实现了一种高通量检错算法——LoMo算法。高通量测序平台读取的序列称为读长(reads),reads通过片段重叠,拼接得到的更长的序列片段称为重叠群(contigs),拼接得到的contigs往往含有许多错误,主要的错误为组装错误。本文将识别错误拼接的方法分为两个部分,分别是2k读长预报校正以及短读长的区域再识别。2k读长预报校正方法是预先通过2k读长进行一次检测比对,对可能出现拼接错误的位置进行预报,在得到预报值后,对以上位置两端进行提取并标记。读对与contigs映射出现不一致的位置证明出现拼接错误,而一致的位置中可能仍有部分拼接错误未被检测出,所以需要对于可能出现拼接错误的区域进行短读长的识别。短读长的区域再识别是指针对提取后得到contigs的特征判断识别,之后通过边界剪裁算法得到最后的区域。本算法在2k读长预报校正中充分利用了MP数据在contigs上的映射,分析过多配对距离以及方向不一致的数据预选组装错误,并根据配对末端读段减少来自预选组装错误的误报次数,能及时在装配错误的断点处断开不正确的contigs。该算法也弥补单使用PE数据读长较短导致拼接困难,从错误组装的现状和发展趋势来看,综合MP数据长插入高跨度的优点,此算法对于低复杂度DNA序列的拼接错误识别精度更高。最后通过大肠杆菌模拟数据实验,实验结果表明该方法在灵敏度和精确度上有较大的提升。