compleasm 评估基因组质量

文章由Heng Li出品，发布在Bioinformatics，‘compleasm: a faster and more accurate reimplementation of BUSCO’。该工具比BUSCO评估的结果更为准确。

具体可以查看：https://github.com/huangnengCSU/compleasm

1. 安装

有很多种安装方法，可以快速使用conda进行安装

conda create -n <your_env_name> -c conda-forge -c bioconda compleasm

2. 基本参数

compleasm
usage: compleasm [-h] [-v] {download,list,protein,miniprot,analyze,run} ...

Compleasm

positional arguments:
  {download,list,protein,miniprot,analyze,run}
                        Compleasm modules help
    download            Download specified BUSCO lineages
    list                List local or remote BUSCO lineages
    protein             Evaluate the completeness of provided protein
                        sequences
    miniprot            Run miniprot alignment
    analyze             Evaluate genome completeness from provided miniprot
                        alignment
    run                 Run compleasm including miniprot alignment and
                        completeness evaluation

optional arguments:
  -h, --help            show this help message and exit
  -v, --version         show program's version number and exit

主要有上面几个模块，其中

• run，可以输入基因组文件，进行基因组评估；
• download, 下载数据库使用；
• list， 列出当前的数据库；
• protein，输入pep的质量；
• miniprot,进行miniprot 比对；
• analyze, 输入pep比对后，可以进行分析；

3. 基本操作

可以自己下载对应的库，从这里https://busco-data.ezlab.org/v5/data/lineages/下载对应数据库，比如本次我下载embryophyta

mkdir database && cd database
wget https://busco-data.ezlab.org/v5/data/lineages/embryophyta_odb10.2024-01-08.tar.gz
tar -zxf *.gz

对基因组数据进行评估：

ref=test.fa
compleasm run -t 10 -l embryophyta \
  -L */database -a $ref -o ${ref}.out

# 基本参数：
- t, 线程数
- a，ref文件
- o， 输出；
- l, 库名称；
- L，本地库路径；
--specified_contigs , 指定congtigs进行评估

同时可以对protein进行评估

compleasm protein -p pep.fa -o pep.fa.out -l embryophyta -L */database -t 10

所有结果均位于输入目录下 summary.txt

## lineage: embryophyta_odb10
S:97.40%, 1572
D:1.80%, 29
F:0.12%, 2
I:0.00%, 0
M:0.68%, 11
N:1614

确实比利用BUSCO的值要高一些，具体的可以查看文章。