簡介
Hifiasm 是一個快速的單倍型解析 de novo 組裝軟件找蜜，最初設(shè)計用于 PacBio HiFi 讀取稳析。其最新版本可以通過利用超長的 Oxford Nanopore 讀取支持端粒到端粒的組裝。Hifiasm 可以生成單樣本端粒到端粒的組裝竭望，結(jié)合了 HiFi裕菠、超長和 Hi-C 讀取，可以說是最好的組裝軟件之一。對于 trio-binning 組裝來說影钉，它是最好的單倍型解析組裝軟件之一掘剪，適用于父本短讀取。對于人類基因組來說廉赔，hifiasm 可以在一天內(nèi)完成端粒到端粒的組裝匾鸥。
Install
- 手動安裝
git clone https://github.com/chhylp123/hifiasm
cd hifisam && make
- conda（推薦）
conda install -c bioconda hifiasm
Usages
Notes
- no need polish
- 無需合并多個輸入文件
- 絕大多數(shù)二倍體基因組，只需要組裝2n中的n馏艾，所以參數(shù)一般給 -l 2 -n 4
HiFi only
- 無需額外的數(shù)據(jù)類型組裝 HiFi reads
hifiasm -o NA12878.asm -t 32 NA12878.fq.gz
# no need haplotype
hifiasm --primary -o NA12878.asm -t 32 NA12878.fq.gz
# -l：0:沒有對組裝去冗余奴愉，組裝結(jié)果包括全部組裝出來的contig，可能包含多個單倍體基因組房资；2/3:會對組裝出來的基因組進行去冗余檀头，對于二倍體，得到的結(jié)果基本上是全基因組一半的大小
# -n: 一般給3或者4，默認3烫止，表示組裝的contig中,unitigs支持大于3或4才保留馆蠕，該參數(shù)會將支持度比較低的contig去掉
ONT
- Hifiasm 可以集成超長 ONT 讀取來生成端粒到端粒的組裝：
# only ONT
hifiasm -o NA12878.asm -t32 --ul ul.fq.gz HiFi-reads.fq.gz
# + Hi-C
hifiasm -o NA12878.asm -t32 --ul ul.fq.gz --h1 read1.fq.gz --h2 read2.fq.gz HiFi-reads.fq.gz
# + parental
hifiasm -o NA12878.asm -t32 --ul ul.fq.gz -1 pat.yak -2 mat.yak HiFi-reads.fq.gz
parental
- 當(dāng)有父本的短讀取可用時，hifiasm 還可以通過 trio binning 生成一對單倍型解析的組裝互躬。要進行這樣的組裝播赁，您首先需要使用 yak 對 k-mer 進行計數(shù)，然后再進行組裝吼渡。
yak count -k31 -b37 -t16 -o pat.yak paternal.fq.gz
yak count -k31 -b37 -t16 -o mat.yak maternal.fq.gz
hifiasm -o NA12878.asm -t 32 -1 pat.yak -2 mat.yak NA12878.fq.gz
Hi-C
- 利用成對的端到端 Hi-C reads 生成一對單倍型解析的組裝容为。
hifiasm -o NA12878.asm -t32 --h1 read1.fq.gz --h2 read2.fq.gz HiFi-reads.fq.gz
Results
一般來說，hifiasm 會創(chuàng)建一系列的 GFA 格式的基因組組裝圖譜：
prefix.r_utg.gfa: 解決了單倍型問題的原始單元圖譜，它詳盡地記錄了所有的單倍型數(shù)據(jù)坎背。
prefix.p_utg.gfa: 經(jīng)過處理的單倍型解析單元圖譜替劈，圖中去除了可能由基因突變或數(shù)據(jù)噪聲造成的小氣泡，這些小氣泡并不代表真實的單倍型信息得滤。hifiasm 會依據(jù)測序深度自動去除這些小氣泡陨献，其中 --hom-cov 參數(shù)會影響這一處理過程的具體結(jié)果。詳細信息可以參考關(guān)于同源純合覆蓋度的設(shè)置懂更。另外，使用 -p 參數(shù)可以強制去除這些小氣泡沮协。
prefix.p_ctg.gfa: 主要連續(xù)片段的圖譜龄捡，它整合了一個包含長期階段區(qū)塊的完整組裝結(jié)果。
prefix.a_ctg.gfa: 包含所有在主要連續(xù)片段圖譜中未被采用的連續(xù)片段的圖譜皂股。
prefix.hap.p_ctg.gfa: 帶有相位信息的連續(xù)片段圖譜墅茉，它保留了具有相位標(biāo)記的連續(xù)片段。
- 獲取組裝結(jié)果
# get fasta
awk '/^S/{print ">"$2;print $3}' test.p_ctg.gfa > test.p_ctg.fa
