在做基因组组装的过程中，当获得contig/scaffold之后，确定基因组的scaffolds/contig的顺序和朝向是重建染色体非常关键的一步。读书的时候通过mate-pair的二代或者以前育种过程中构建的遗传图谱完成。现在随着技术的进步，这一步目前可以由多种辅助组装策略完成：例如遗传图谱, Hi-C, BioNano光学图谱，10X Chicago 。前面也学习了怎么利用ALLHiC实现HiC图谱的挂载，怎么利用Solve实现BioNano图谱的组装。但是，现在面临的问题是可能会拥有这样的多个图谱。
一个物种可能会有多个遗传图谱，可以是不同项目中的不同定位群体结果，可以是不同软件如R/QTL, MSTMAP和JOINMAP的分析结果。遗传图谱会因重组率，偏分离(segregation distortion) , PAV(presence-absence variation)和染色体比对多态位点不同而发生变化。每一种图谱都能够提供不同的证据，举个例子，一个scaffold可能在一个图谱中无法被锚定，但是在另一个图谱中可以进行锚定，将这些图谱进行整合就能提高最终染色体组装的精确度。
如果只用一个图谱，对scaffold进行排序只是计算量大一点而已，你需要根据图谱中分子标记在每个scaffold的平均距离进行排序就行。
ALLMAPS（https://github.com/tanghaibao/jcvi/wiki/ALLMAPS）, 正如名字说的那样，就是能够使用所有的图谱证据的工具，它能够计算scaffold的朝向，使其和已有的图谱的共线性关系最大化。
它有如下亮点：
可重复性：清晰的可计算目标使得让多种输入图谱的共线性关系能够最大化
灵活性：允许为输入的图谱设置权重，更好的处理冲突
强大性：能使用多种遗传图谱，只需要做最小的转换
通常，解决scaffold顺序和朝向(Order and Orientation)是一种NP问题，类似于我们读书的时候做的scaffold，只不过当时是利用mate-pair来实现的。因为基因组组装和遗传图谱中都可能存在一些错误，我们的目标只能是找到一个近似解。ALLMAPS将该问题转换成旅行商问题，然后用遗传算法优化scaffold OO. 使用遗传算法优化是为了避免在局部最优上出现瓶颈。遗传图谱最常见的错误是倒置和异位(inversion and translocation)。
=====安装=====
conda install jcvi
====例子测试===
我是网上博主那里下载的例子（https://share.weiyun.com/5nwjljN）。
第一步：准备输入文件。首先你得要提供物理图谱和遗传图谱的对应关系，格式为：Scaffold ID, scaffold position, LG, genetic position。
第二步: 将两个图谱（也可以多个）进行合并，最后会得到一个权重文件(weights.txt)和输入的bed文件。
python -m jcvi.assembly.allmaps merge JMMale.csv JMFemale.csv -o JM-2-test.bed
第三步：对权重文件"weights.txt" 进行调整。weights.txt默认每个输入的图谱的权重都是1。作者有一个建议就是，你通过检查最后的报告和诊断图，有监督地来重新对每个遗传图谱进行权重赋值。
第四步：对scaffold进行排序，搭建成准染色体水平。
python -m jcvi.assembly.allmaps path -w weights.txt JM-2-test.bed scaffolds.fasta
注意：这里需要安装liftOver（http://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64/）。
第五步：结果解读。
结果大概可以分为如下几类：
首先是组装后的基因组序列
"JM-2-test.fasta"
"JM-2-test.agp": 每个scaffold的顺序和朝向，用于上传Genbank
"JM-2-test.chain": 用于新旧坐标间的转换，比如说你在之前坐标注释得到GFF文件就可以用liftOver转换到新坐标系下。
然后可视化报告。每个染色体都会得到一个对应的pdf文件，可视化展示如下：左图主要关注交叉的线，表示某些marker存在矛盾。右图关注是否有单上升/下降趋势，图中的斜率反应的是物理距离(x轴)相对遗传距离(y轴)的变化，可以认为是重组率。低重组率不容易确定在同一个重组区间内的scaffold的位置和朝向。
白色部分为可信区间，灰色部分是存疑区间。
除了默认的输出外，你还可以通过movie得到软件运行过程每次迭代后组装情况。
python -m jcvi.assembly.allmaps movie -w weights.txt JM-2-test.bed scaffolds.fasta chr23
注意：这里需要安装ffmpeg和parallel。
当然ALLMAPS还有一些比较高级的操作：
拆分嵌合contig：嵌合contig指的是一段区域能够比对到多个连锁群中或者染色体中，一个常见的来源就是不同染色体中的重复区域由于过于相似在组装的时候坍缩成了一个。ALLMAPS也提供split进行拆分。
估计gap长度：默认会用100个N在填充两个scaffold连接的区域，方便Genbank识别其为未知区域。你可以根据遗传距离在不同物理位置上的对应关系，预测不同gap的近似大小然后进行填充，子命令是estimategaps。
在ALLMAPS中使用多种遗传图谱。
====输入文件准备===
比如HiC图谱转化成csv：
perl ALLHiC2ALLMAPS.pl groups.agp
其实，就是把scaffold位置转化到group上的信息。
Bionano的图谱，同样可以利用agp的信息进行转化成相应的图谱，然后运行ALLMAPs。
本文使用 文章同步助手 同步
网友评论