UMI全称：Unique Molecular Identifiers ，想了解UMI的优势、分类及常见的UMI生物信息分析软件的小伙伴，跟随樊大师一起来了解下吧~

使用UMI可以在分析过程中保留更多的数据

使用UMI可以在分析过程中保留更多的数据，如上图所示，左边没有加UMI的数据和右边加上UMI的文库相比，在去除PCR冗余的过程中，左边在数据分析分析过程中只会保留1条数据，而添加过UMI后的数据会保留6条，通过示意图我们可以粗略看到UMI带来的在数据方面的功效。

UMI可以帮助纠正测序过程中PCR产生的错误

UMI可以帮助纠正测序过程中PCR产生的错误，如上图所示，上下文库相比较，在添加完UMI后，数据分析过程中，具有相同UMI的测序reads可以成为一个group,通过同一group的数据矫正可以得到最终的consensus read,从而起到了减少测序过程中产生的错误，可以将测序错误率降到<=0.007%，再结合超高的测序深度（20,000X）检测下限可达到0.1%-0.5%之间。

目前关于UMI大体可以分为两类：random与fix

random文库示例：

random是在测序文库的一端加上随机的固定长度的序列，例如由Swift公司推出的产品就是在测序文库P7端（原文库index位置）插入一段9碱基的随机序列作为UMI，该UMI是单端的，理论上UMI的种类是4的次方种，大约为262,144种。求臻医学的ChosenFocus系列产品，在UMI设计上采用的也是9碱基随机序列。

fix文库示例：

fix一般是在测序两端都加入UMI，例如Illumina推出的TSO500就是由固定种类的120种的固定序列组成，如果在测序文库双端，则理论上会产生120*120种的UMI文库类型组合。求臻医学的ChosenOne 599等产品，UMI设计上也采用了此种策略。

常用的UMI生物信息分析软件

根据文库的类型不同，数据分析上也会有所差别，这里我们推荐一些常用的生物信息分析软件：

fastp（https://github.com/OpenGene/fastp）

fgbio（http://fulcrumgenomics.github.io/fgbio/）

bmftools  (https://github.com/ARUP-NGS/BMFtools)

UMI-tools（https://github.com/CGATOxford/UMI-tools）

参考文献：

MacConaill L E, Burns R T, Nag A, et al. Unique, dual-indexed sequencing adapters with UMIs effectively eliminate index cross-talk and significantly improve sensitivity of massively parallel sequencing[J]. BMC genomics, 2018, 19(1): 30.