分享

soapdenovo2进行基因组组装

2019-12-24  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。

    转藏 全屏 打印 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多