之前使用的是3D-DNA流程做Hi-C的辅助组装，它的最大优势就是输出结果可以对接下游的JBAT(juicerbox with Assembly Tools)进行手动矫正。然而它点缺陷也很明显，处理速度不够快，且对植物的优化不行，同时目前许久不更新了。
最近我发现了一套新的组合，chromap + yahs 完全替代之前3D-DNA流程。它的依赖工具如下
- chromap: 高效Hi-C数据比对
- samtools: sam转bam
- yahs: 另一个Hi-C scaffolding工具。纠错上准确性高，排序上略强3d-dna，远超SALSA2。
- juicer_tools: 用于输出导入JuiceBox
chrompa, samtools, yahs可以直接用conda进行安装，juicer_tools依赖Java环境，并需要单独下载
conda create -n hic-scaffolding -c bioconda -c conda-forge chromap samtools yahs samtools assembly-stats openjdk
# 1.19.02版本就行了, 最新的3.0不向下兼容
wget https://s3.amazonaws.com/hicfiles.tc4ga.com/public/juicer/juicer_tools_1.19.02.jar
具体分析步骤如下，我们需要提供前期组装结果，以及Hi-C数据
contigsFasta=/到/你的/contig.fa的路径
r1Reads=/到/你的/Hi-C R1测序的路径
r2Reads=/到/你的/Hi-C R2测序的路径
第一步，数据比对
# 建立索引
samtools faidx $contigsFasta
chromap -i -r $contigsFasta -o contigs.index
# alignment
chromap \
--preset hic \
-r $contigsFasta \
-x contigs.index \
--remove-pcr-duplicates \
-1 $r1Reads \
-2 $r2Reads \
--SAM \
-o aligned.sam \
-t 50
# 排序
samtools view -bh aligned.sam | samtools sort -@ 50 -n > aligned.bam
rm aligned.sam
按照read的名字进行排序和按照位置排序或未排序的结果会有一些不同。
第二步，又快又好的scaffolding。默认只需要两个输入，组转的contig.fa和比对的bam，和C语言一样简洁。
yahs $contigsFasta aligned.bam
在输出结果中
- inital_break 表示纠错的中间输出
- _scaffolds_final.agp和_scaffolds_final.fa则是最终结果
对于输出结果，我们希望进行可视化，此时可以使用yahs提供的jucier工具
第三步，为juicer_tools准备输入
juicer pre -a -o out_JBAT \
yahs.out.bin \
yahs.out_scaffolds_final.agp \
$contigsFasta.fai
# -o out_JBAT表示输出文件名的前缀
一共包括如下几个文件
- out_JBAT.assembly
- out_JBAT.assembly.agp
- out_JBAT.hic
- out_JBAT.liftover.agp
- out_JBAT.txt
out_JBAT.txt就作为下游的输入
JUICER=/路径/到/juicer_tools_1.19.02.jar
asm_size=$(awk '{s+=$2} END{print s}' $contigsFasta.fai)
java -Xmx36G -jar $JUICER \
pre out_JBAT.txt out_JBAT.hic <(echo "assembly ${asm_size}")
输出的out_JBAT.hic就可以导入到JBAT进行组装,导出为out_JBAT.review.assembly
将手动修改的结果传递给juicer，进行scaffolding。
juicer post -o out_JBAT out_JBAT.review.assembly out_JBAT.liftover.agp contigs.fa
输出结果为 out_JBAT.FINAL.agp, out_JBAT.FINAL.fa
网友评论