Data from: Haplotype-resolved genome of Citrus × sinensis 'Pera Rio', Brazil's most widely cultivated sweet orange

README – Citrus × sinensis ‘Pera IAC’ (Pera-Rio) Genome Resources This dataset contains the haplotype-resolved genome assemblies, organellar genomes, and comprehensive annotations of Citrus × sinensis ‘Pera IAC’ (Pera-Rio), Brazil’s most widely cultivated sweet orange and a key cultivar in the global orange juice industry. The assemblies were generated using PacBio Revio HiFi long reads and Arima Hi-C scaffolding, producing chromosome-scale haplotypes representing the parental progenitors (C. maxima and C. reticulata). The Zenodo record includes: Genome assemblies: hapA and hapB nuclear assemblies, plastid genome (ptDNA), and mitochondrial genome (mtDNA). Annotation files: Structural annotation (GFF3) of predicted genes, CDSs, transcripts, and proteins. Functional annotation (GO, KEGG, Pfam, CAZy, TFs, resistance gene catalogs). Transposable element (TE) annotation and classification (GFF3 and FASTA) generated with EDTA-GUI in AnnoTEP mode. Gene family classification: duplication categories (WGD, tandem, proximal, transposed, dispersed), retrocopies, and small-scale duplicates. Validation metrics and summary tables: BUSCO, LAI, Inspector, Merqury, and assembly statistics. Raw sequencing reads (PacBio HiFi and Illumina Hi-C) are not included here due to size and are deposited in the NCBI SRA under BioProject PRJNA1301450. All files are provided in community-standard formats (FASTA, GFF3, and etc) to maximize reusability and interoperability. This curated dataset complements ongoing citrus pangenome initiatives and supports allele-aware analyses, comparative genomics, and breeding for disease resistance and fruit quality. Files Description (see the README.txt): Genome Assemblies Csinensis_perario.fasta.gzPrimary haplotype-phased nuclear genome assembly in FASTA format. Csinensis_perario-Softmasked.fasta.gzNuclear genome assembly with repetitive regions soft-masked (lowercase letters). Useful for gene prediction and downstream analyses. mtDNA.fasta.gzComplete mitochondrial genome sequence. ptDNA.fasta.gzComplete plastid (chloroplast) genome sequence. Annotation Files Cs-Annotation-HQ.gff3.gzHigh-quality gene annotation in GFF3 format. Cs-Annotation-HQ.prot.gzPredicted protein sequences from annotated genes (FASTA). Cs-Annotation-HQ.CDS.gzCoding sequences (CDS) in nucleotide FASTA format. Cs-Annotation-HQ.cDNA.gzTranscript (cDNA) sequences in nucleotide FASTA format. Cs-Annotation-HQ.gene.gzGene-level annotation summary in tabular format. Cs-Annotation.tRNA.gff3.gz / Cs-Annotation.tRNA.gff3Transfer RNA (tRNA) annotation. Cs-Annotation.rRNA.gff3Ribosomal RNA (rRNA) annotation. Cs-NoAnnotation.gff3Regions of the genome lacking annotation (intergenic/unassigned). Organelle Annotation Pera_mtDNA.gbkGenBank-format annotated mitochondrial genome. Pera_ptDNA.gbkGenBank-format annotated plastid genome. mtDNA.tbl / ptDNA.tblAnnotation tables for mitochondrial and plastid genomes. Repeats and Transposable Elements Csinensis.fa.mod.cat.gzConcatenated repeat-masked genome file produced by EDTA/RepeatMasker. Csinensis.fa.mod.filtered.cat.gzFiltered repeat-masked genome. Csinensis.fa.mod.filtered.align.gzAlignment file containing filtered repeat annotations. Csinensis.fa.mod.EDTA.TEanno.gff3.gzTransposable element annotation in GFF3 format. Csinensis.fa.mod.EDTA.TEanno.sum.gzSummary of TE annotation results. Csinensis.fa.mod.EDTA.intact.raw.gff3.gzPutative intact/full-length TE annotations. Csinensis.fa.mod.EDTA.TElib.fa.gzCustom transposable element library (FASTA). Csinensis.fa.mod.LAI.gzLTR Assembly Index (LAI) statistics for assembly quality assessment. TEs-report-lite.tbl / TEs-report-complete.tblTabular reports summarizing TE annotation. Functional Annotation and Biosynthetic Clusters Cs-plantiSMASH-v1.zipPredicted secondary metabolite biosynthetic gene clusters identified by antiSMASH/plantiSMASH. Structural Features Cs-Telomers.telo.infoTelomeric repeat locations. Cs-centromers.infoCentromere locations. Cs-Idiogram.pngIdiogram image of C. sinensis ‘Pera Rio’ chromosomes. Assembly and Anbnotation Statistics hp1-stats.txt / hp2-stats.txtAssembly statistics (e.g., N50, contig counts, genome size) for haplotype 1 and haplotype 2 assemblies.README — 甜橙（Citrus × sinensis）‘Pera IAC’（Pera-Rio）基因组资源 本数据集包含巴西主栽甜橙品种Pera IAC（Pera-Rio）的单倍型解析基因组组装结果、细胞器基因组及全面注释信息，该品种是全球橙汁产业的核心栽培品种之一。 该组装采用PacBio Revio HiFi长读长测序与Arima Hi-C支架技术构建，获得了代表其亲本祖先种（C. maxima和C. reticulata）的染色体级单倍型。 本次Zenodo数据集记录包含以下内容： 基因组组装：hapA与hapB核基因组组装、质体基因组（ptDNA）及线粒体基因组（mtDNA）。 注释文件： - 预测基因、编码序列（CDS）、转录本及蛋白质的结构注释（GFF3格式）。 - 功能注释（包含GO、KEGG、Pfam、CAZy、转录因子（TFs）及抗性基因目录）。 - 采用EDTA-GUI的AnnoTEP模式生成的转座因子（TE）注释与分类结果（GFF3及FASTA格式）。 基因家族分类：包含重复类型（全基因组重复（Whole Genome Duplication, WGD）、串联重复、近端重复、转座重复、散在重复）、逆转座子拷贝及小规模重复基因。 验证指标与汇总表格：包含BUSCO、LAI、Inspector、Merqury分析结果及组装统计信息。 原始测序读段（PacBio HiFi与Illumina Hi-C）因文件体积过大未随本数据集发布，已提交至NCBI SRA数据库，BioProject编号为PRJNA1301450。 所有文件均采用社区标准格式（FASTA、GFF3等），以最大化可复用性与互操作性。本精心整理的数据集可补充当前柑橘泛基因组研究计划，支持等位基因特异性分析、比较基因组学及抗病与果实品质相关育种研究。 文件说明（详见README.txt）： 一、基因组组装 - Csinensis_perario.fasta.gz：FASTA格式的初级单倍型分型核基因组组装结果。 - Csinensis_perario-Softmasked.fasta.gz：重复区域以小写字母软屏蔽处理的核基因组组装文件，适用于基因预测及下游分析。 - mtDNA.fasta.gz：完整线粒体基因组序列。 - ptDNA.fasta.gz：完整质体（叶绿体）基因组序列。 二、注释文件 - Cs-Annotation-HQ.gff3.gz：GFF3格式的高质量基因注释文件。 - Cs-Annotation-HQ.prot.gz：注释基因对应的预测蛋白质序列（FASTA格式）。 - Cs-Annotation-HQ.CDS.gz：核苷酸FASTA格式的编码序列（CDS）。 - Cs-Annotation-HQ.cDNA.gz：核苷酸FASTA格式的转录本（cDNA）序列。 - Cs-Annotation-HQ.gene.gz：表格格式的基因水平注释汇总信息。 - Cs-Annotation.tRNA.gff3.gz / Cs-Annotation.tRNA.gff3：转运RNA（tRNA）注释文件。 - Cs-Annotation.rRNA.gff3：核糖体RNA（rRNA）注释文件。 - Cs-NoAnnotation.gff3：基因组中未注释区域（基因间区/未分配区域）的注释文件。 三、细胞器注释 - Pera_mtDNA.gbk：GenBank格式的注释线粒体基因组。 - Pera_ptDNA.gbk：GenBank格式的注释质体基因组。 - mtDNA.tbl / ptDNA.tbl：线粒体与质体基因组的注释表格。 四、重复序列与转座因子 - Csinensis.fa.mod.cat.gz：EDTA/RepeatMasker生成的串联重复屏蔽基因组文件。 - Csinensis.fa.mod.filtered.cat.gz：过滤后的重复屏蔽基因组文件。 - Csinensis.fa.mod.filtered.align.gz：包含过滤后重复注释信息的比对文件。 - Csinensis.fa.mod.EDTA.TEanno.gff3.gz：GFF3格式的转座因子注释文件。 - Csinensis.fa.mod.EDTA.TEanno.sum.gz：转座因子注释结果汇总文件。 - Csinensis.fa.mod.EDTA.intact.raw.gff3.gz：推定完整/全长转座因子注释文件。 - Csinensis.fa.mod.EDTA.TElib.fa.gz：自定义转座因子库（FASTA格式）。 - Csinensis.fa.mod.LAI.gz：用于组装质量评估的LTR组装指数（LAI）统计文件。 - TEs-report-lite.tbl / TEs-report-complete.tbl：转座因子注释结果汇总表格。 五、功能注释与生物合成基因簇 - Cs-plantiSMASH-v1.zip：通过antiSMASH/plantiSMASH预测的次级代谢产物生物合成基因簇。 六、结构特征 - Cs-Telomers.telo.info：端粒重复序列位置信息。 - Cs-centromers.info：着丝粒位置信息。 - Cs-Idiogram.png：甜橙‘Pera Rio’染色体核型图。 七、组装与注释统计信息 - hp1-stats.txt / hp2-stats.txt：单倍型1与单倍型2组装的统计信息（如N50、contig数量、基因组大小等）。