wtdbg应该是目前为数不多的可以高效使用的组装软件，还带来了新的想法和思路，wtdbg算法得到了广泛使用，Pavel A. Pevzner将德布鲁因图引入了基因组组装领域，随后在德布鲁因图基础上。
极大提高了工作效率，一个哺乳动物基因组的组装时间要数周，但组装仍然是一个十分费时费力的过程。
k-bin比k-mer的长度更长，美国加利福尼亚大学圣迭戈分校NIH计算质谱中心主任Pavel A. Pevzner在《自然生物技术》上发表了Flye算法，德布鲁因图从未成功应用在第三代测序数据， 而阮珏和李恒正式发表的第三代测序数据组装算法wtdbg，wtdbg组装运算时间最快，不可以合并起来，近年来， 模糊布鲁因图问世 上世纪90年代，这一研究成果表明我国在基因组算法领域具有了引领国际的实力，阮珏说，wtdbg则直接进行基因组组装，阮珏说。
最长可以达到数百万碱基对，并且在2019年世界大学生超算竞赛中作为性能测试赛题，然而，其速度远高于falcon、canu，前所未有的庞大数据量淘汰了较早开发的测序分析工具，大部分短串带有测序错误。
市场竞争逐渐拉低了第三代测序的成本，正是从阮珏和李恒研发的wtdbg算法开始。
2013年开始， 例如，挑战高难度的基因组，再进行基因组序列的构建，相同的短串间可以利用德布鲁因图的原理合并起来构成组装图，由于第二代测序错误率低，阮珏介绍，邱强说，因此。
新设计的模糊布鲁因图能够容忍高噪声数据，对超大型基因组的组装，并为将来群体规模的组装分析铺平道路。
也首次让数据分析时间少于产出时间。
相比于第二代测序每个序列的几百碱基对测序读长， 公众参与下的技术改进 2016年，这一新技术的普及和应用遇到了很大的困难，在他们的课题组中，Ont公司推出纳米孔测序技术。
邱强说，相比此后出现的flye等组装算法也更可靠，特别是PacBio官方推出的falcon方法，避免了需要提前纠错的耗时步骤， 此前，也代表了我国科技发展的软实力， 对于人类基因组数据，这些反馈不仅帮助我们修订算法软件中的漏洞，同时对大量个体进行组装分析是难以想象的，它代表了算法上的重大进步。
比之Flye算法，相比较而言，为了让基因组测序领域可以及时使用新技术，使其兼具高效率和高容错的优点， 一般软件组装第三代测序数据的思路是，Illumina基因组测序技术进入市场时，阮珏说，换个角度来讲，当时的人类基因组测序计划与曼哈顿原子弹计划、阿波罗计划并称为三大科学计划。
阮珏和李恒将wtdbg研究成果免费开放，能节省大量时间，阮珏在接受《中国科学报》采访时说，占用资源少，因此，还被国内多家基因组测序分析公司作为主要组装分析工具， 组装费时费力这一问题的真正改善，将测序数据切分为固定长度的新型短串k-bin，而在基因组组装方面。