soapdenovo2进行基因组组装

作者: 生信修炼手册 | 来源:发表于2018-09-17 16:29 被阅读43次

    欢迎关注"生信修炼手册"

    基因组的的大小,杂合程度等因素都影响基因组组装的难易程度,目前市场上主流的有以下两种产品

    1. 细菌/真菌基因组组装

    2. 动植物基因组组装

    细菌/真菌基因组相对较小,组装难度较低;动植物基因组很大,而且杂合度很高,特别是多倍体植物,这对于测序和分析都是很大的挑战。

    对于测序而言,随着三代测序价格降低,对于小型基因组组装,可以直接进行三代测序;对于大型基因组组装,会结合二代和三代测序的数据;除了单纯测序组装外,还出现了Hi-C辅助基因组组装,光学图谱辅助基因组组装等产品。

    对于分析而言,pacbio公司整合了许多的组装软件,专门针对三代测序数据进行组装;对于二代测序平台的数据,有很多开源软件可供选择,主流的包括以下几种

    1. soapdenovo

    2. allpaths-lg

    3. Velvet

    4. spades

    5. Abyss

    soapdenovo是由华大开发的组装工具,主要用于动植物基因组等大型基因组的组装,也可以用于细菌/真菌基因组组装。对于大型基因组装而言,需要的硬件资源特别多,建议内存在150G以上。

    该软件目前版本为soapdenovo2, github链接如下

    https://github.com/aquaskyline/SOAPdenovo2

    安装过程如下

    wget https://github.com/aquaskyline/SOAPdenovo2/archive/r241.tar.gz
    tar xzvf r241.tar.gz
    cd SOAPdenovo2-r241/
    make

    编译成功后,会生成如下3个可执行文件

    1. SOAPdenovo-63mer

    2. SOAPdenovo-127mer

    3. SOAPdenovo-fusion

    前2个可执行文件用于组装, 63mer代表支持的kmer最大长度为63,127mer代表支持的kmer最大长度为127,除了支持的kmer长度不同外,其他用法完全
    相同。

    SOAPdenovo由以下几个子命令构成

    1. pregraph

    2. sparse_pregraph

    3. contig

    4. map

    5. scaff

    6. all

    前5个子命令对应了soapdenovo组装的5个步骤,all命令表示一次执行以上的5个步骤;在组装时,既可以依次执行每一个步骤,也可以直接使用all命令,一次运行所有步骤。

    soapdenovo需要一个配置文件,配置文件分成两个部分,全局配置和每个文库的配置。全局配置目前只有一个参数max_rd_len, 如果序列大于该长度,会被切成该长度,然后在分析。

    每个文库的配置以[LIB]开头,主要指定输入文件的路径,支持多种格式的输入文件,用不同的前缀表示, q代表输入序列为fastq格式;f代笔输入序列为fasta格式,b代表输入文件为bam格式,对于双端数据,分别用后缀12表示R1端和R2端的reads。

    除了输入文件路径外,还包含以下几个参数的设置

    1. avg_ins
      文库插入片段的平均长度,在实际设置时,可以参考文库size分布图,取峰值即可

    2. reverse_seq
      是否需要将序列反向互补,对于pair-end数据,不需要反向互补,设置为0;对于mate-pair数据,需要反向互补,设置为1

    3. asm_flags
      1表示只组装contig. 2表示只组装scaffold,3表示同时组装contig和scaffold,4表示只补gap

    4. rd_len_cutof
      序列长度阈值,作用和max_rd_len相同,大于该长度的序列会被切除到该长度

    5. rank
      设置不同文库数据的优先级顺序,取值范围为整数,rank值相同的多个文库,在组装scaffold时,会同时使用。

    6. pair_num_cutoff
      contig或者scaffold之前的最小overlap个数,对于pair-end数据,默认值为3;对于mate-paird数据,默认值为5

    7. map_len
      比对长度的最小阈值,对于pair-end数据,默认值为32;对于mate-pair数据,默认值为35

    配置文件示例如下

    max_rd_len=100
    [LIB]
    avg_ins=200
    reverse_seq=0
    asm_flags=3
    rd_len_cutoff=100
    rank=1
    q1=fastq1_read_1.fq
    q2=fastq1_read_2.fq

    软件基本用法如下

    SOAPdenovo-63mer all -s config_file -K 63 -R -o graph_prefix

    运行成功后,会生成很多文件,其中有两个文件是组装的结果,后缀分别为contigscafSeq,对应contig和scaffold。

    更多的参数和用法请参考官方帮助文档。

    扫描关注微信号,更多精彩内容等着你!

    相关文章

      网友评论

        本文标题:soapdenovo2进行基因组组装

        本文链接:https://www.haomeiwen.com/subject/eulrnftx.html