Hi-C 教程：基于 hifiasm hap 组装的 haplotype-aware scaffolding（四倍体示例）¶
本教程展示如何使用 C-Phasing 的 haplotype-aware 模式（--mode hapaware），对 hifiasm 已经分好的 hap 组装进行 Hi-C scaffolding。
目标是在构建染色体级 scaffold 的同时，尽量保持单倍型（haplotype）一致性，减少 hap 之间的错误拼接/混合。
0. 准备工作¶
输入数据¶
- hifiasm hap 组装（FASTA），例如：
hap1.fahap2.fahap3.fahap4.fa
- Hi-C 双端 reads（FASTQ），例如：
hic_R1.fastq.gzhic_R2.fastq.gz
说明
- 本教程假设你已经有 hifiasm 输出的 hap 分离结果（每个 hap 一个 FASTA）。
- 若你拿到的是 hifiasm 的*.hap*.p_ctg.fasta等文件，选择你希望用于 scaffolding 的那几份即可。
1. 合并 hap FASTA（推荐）¶
C-Phasing 的 pipeline 以一个 FASTA 作为 contig 集合输入。
因此建议把多个 hap FASTA 合并成一个：
重要：contig 名字必须唯一¶
确保不同 hap 中 contig ID 不会重名。
如果 hifiasm 已经在 contig 名里带了 hap 前缀（常见情况），通常没问题；否则需要重命名（例如加前缀 h1_ / h2_ / h3_ / h4_），避免后续分组/统计混乱。
2. 提供初始 hap 分组文件（-fc）¶
--mode hapaware 适用于 hap 已经分离的场景。
你需要用 -fc/--first-cluster 提供一个“先验分组”（每个 hap 的 contig 属于哪个 group），以指导 hap-aware 的聚类/拼接。
你可以直接用工具从 FASTA 头信息生成：
haps.clusters.txt 是一个 两列文件：
1) group_id（组名/组编号；可用字符串）
2) contig_id
示例（仅示意）：
提示
- hap-aware 模式下，-fc是关键输入：它告诉程序“哪些 contig 本来就是同一个 hap”。
3. 运行 C-Phasing（Hi-C + hapaware）¶
使用 Hi-C reads 并开启 --mode hapaware：
cphasing pipeline \
-f haps.concat.fa \
-hic1 hic_R1.fastq.gz \
-hic2 hic_R2.fastq.gz \
--mode hapaware \
-fc haps.clusters.txt \
-o cphasing_hapaware_out \
-t 32 \
-hcr -p AAGCTT
参数说明（简要）：
- --mode hapaware：haplotype-aware scaffolding（不依赖 alleletable；也不会在 hyperpartition 阶段要求额外提供 fasta 来生成 alleles）。
- -fc haps.clusters.txt：输入 hap 先验分组。
- -hcr：仅使用高置信区域（常用于降低错误连接，尤其在重复较高/多倍体时）。
- -p AAGCTT：限制性内切酶识别位点（按你的文库酶切类型填写；不确定可不填/用默认）。