组装图分叉不再只靠拓扑猜：样本自身序列统计给候选延伸打分，读段证据可独立核对
核心概要
从头组装里，unitig图的分叉点此前只能靠拓扑、配对读段或覆盖度等启发式来选路，序列本身是否支持某条延伸很少被直接评估。RASTRO把每个候选延伸按样本自身的n-gram统计或Evo2语言模型算成每碱基惊讶度（bits-per-base），分数越低越优先，并用跨越分叉接合处的边界k-mer在原始读段中的出现次数作为独立参照。在HIV-1与SARS-CoV-2的unitig图上，样本自适应的RASTRO-S与读段支持选择的一致率随上下文长度从n=5升到n=10而提高，高于随机选择与最长延伸贪心基线；摘要与结果表在HIV-1的n=10数值上并不一致。
深度剖析
分叉点的选路现在可以直接用序列统计来打分，而不必只依赖图拓扑或配对读段。 此前的图构建工具在遇到多个出边时通常终止unitig延伸、把歧义留给下游，下游装配器再用配对信息、覆盖度或拓扑启发式来选。 在HIV-1与SARS-CoV-2的unitig图上，样本自适应的RASTRO-S与读段支持选择的一致率随上下文长度从n=5升到n=10而提高，均高于随机选择的约40%和43%以及最长延伸贪心的24.7%和32.8%；其中HIV-1在n=10的数值，摘要给出83.5%，结果表给出75.8%，两处不一致。
打分只用候选延伸与上游上下文拼接后的序列，不需要参考基因组，也不需要已组装的contig。 RASTRO-S是在目标样本自身的unitig上训练的n阶马尔可夫模型，统计每个n碱基上下文后接各碱基的条件概率，未观察到的上下文回退到单碱基分布。 候选延伸的分数取各可打分位置上条件概率的负对数（惊讶度）的平均值，即每碱基比特数；RASTRO-L则用预训练的DNA语言模型Evo2自回归地给出每个延伸碱基的条件概率，再按延伸长度归一化，两者都选分数最低的候选。
分支决策的评估改用原始读段而非最终contig，从而绕开装配算法自身的偏向。 以往的质量指标如连续性、误组装率和一致性准确度都衡量完整装配或校正后的读段，无法直接判断某次分支选择是否被读段支持。 评估只统计跨越上下文与延伸接合处的边界k-mer在原始读段中的出现次数，取支持最高的候选作为读段支持选择；在抽样的20,000个分叉点中，HIV-1有15,319个（76.6%）、SARS-CoV-2有19,882个（99.4%）得到唯一读段支持选择。
启示与展望
报告的范围限于HIV-1与SARS-CoV-2两个病毒样本的Logan unitig图，评估对象是分叉点的局部选择，而不是完整基因组装配。读者若关心把序列打分接入现有装配流程，可关注作者提出的方向：把RASTRO分数与覆盖度、配对信息、图拓扑等证据并列使用，并在更大规模上检验其能否改善路径排序与分支消解。
作者指出，模型分数与读段支持选择刻画的是测序数据的不同侧面，因此一致率不应期待达到100%；在存在多条合理路径、覆盖度不均、多态信号或抽样效应的分叉点上，两者可能分歧。RASTRO-S优于RASTRO-L被解释为样本自适应建模在此设置下更贴近样本特异的读段证据，而非对更大语言模型的普遍优势。作者还说明，计算成本限制了重复次数、评估基因组规模与可比较方法的范围，两个数据集不足以确立广泛泛化性，需要在更多样基因组与测序条件下进一步评估。此外，摘要与结果表对RASTRO-S在HIV-1、n=10时的一致率给出不同数值，读者应以结果表与图中数值为准并留意这一不一致。