利用NextDenovo進(jìn)行三代組裝（四個組裝軟件結(jié)果比較）

一：下載安裝

下載地址
https://github.com/Nextomics/NextDenovo/releases/download/v2.1-beta.0/NextDenovo.tgz

**INSTALL**  
`tar -vxzf NextPolish.tgz && cd NextPolish && make`  ## 現(xiàn)在不需要安裝了勉盅，直接下載解壓就可以用了

需要注意的是這個軟件運行需要Python2的環(huán)境哦。然后安裝好了記得加環(huán)境盹廷。
這次用的是大腸桿菌的一個pacbio數(shù)據(jù)做的測試氛悬。

二：配置文件

1. 配置run.cfg文件

安裝好了之后在你的文件夾下面有一個test_data的文件夾黔姜，里面有例子剃浇，復(fù)制過來改一下就ok了巾兆。

mkdir ecoli && cd ecoli
cp /path to/NextDenovo/test_data/run.cfg .
vim run.cfg

大致就像這樣，里面有些需要改偿渡，有些用默認(rèn)就好。

run.cfg文件

參數(shù)解讀：

job_type 設(shè)置運行環(huán)境霸奕，可以使用（local溜宽， sge， pbs等）
seed_cutfiles 如果在集群上運行质帅，建議設(shè)置為可用的節(jié)點數(shù)适揉，同時設(shè)置correction_options的-p為各個節(jié)點可用的核數(shù)，保證每個節(jié)點只有一個correction任務(wù)煤惩，減少運行時的內(nèi)存和IO嫉嘀。如果local上運行，建議設(shè)置為總可用的核除以correction_options的-p值.
parallel_jobs建議設(shè)置至少要大于pa_correction魄揉。
blocksize 是將小于seed_cutfiles的數(shù)據(jù)拆分成的多個文件時單個文件的大小剪侮，此對于10g以內(nèi)的數(shù)據(jù)量，建議設(shè)置小于1g，避免總的任務(wù)數(shù)小于parallel_jobs的值瓣俯。
測序數(shù)據(jù)類型相關(guān): 對于PacBio而言杰标，要修改minimap2_options_中的-x ava-ont為-x ava-pb
數(shù)據(jù)量相關(guān)參數(shù): read_cutoff = 1k過濾原始數(shù)據(jù)中低于1k的read，seed_cutoff = 30k則是選擇大于30k以上的數(shù)據(jù)來矯正彩匕。關(guān)于seed_cutoff的設(shè)置腔剂，可以通過~/opt/biosoft/NextDenovo/bin/seq_stat來獲取參考值，不建議直接使用默認(rèn)值驼仪，因為改值會受到測序深度和測序長度影響掸犬，而且一個不合適的值會顯著降低組裝質(zhì)量。對于基因組大于200m以上的物種绪爸，-d建議默認(rèn)湾碎。
random_round參數(shù)，建議設(shè)置20-100. 該參數(shù)是設(shè)置隨機組裝參數(shù)的數(shù)量毡泻，nextGraph會基于每一套隨機參數(shù)做一次組裝胜茧，避免默認(rèn)參數(shù)效果不好
———————————————————————————————————————
這里用 seq_stat能夠根據(jù)自己物種大小和預(yù)期用于組裝的深度確定seed_cutoff。

seq_stat -g 4.8Mb input.fofn > seq_stat

seq_stat結(jié)果

所以我這里的seed_cutoff默認(rèn)為30K就不行了仇味，因為最初的才18K多呻顽。

2. 配置input.fofn文件，就是你的輸入文件絕對路徑

3. 運行程序

$nextDenovo run.cfg

運行完畢

默認(rèn)參數(shù)結(jié)果是存放在01_rundir/03.ctg_graph/01.ctg_graph.sh.work/ctg_graph00, 可以將其復(fù)制到當(dāng)前目錄丹墨，用于后續(xù)的分析廊遍。
最終在01_rundir/03.ctg_graph/01.ctg_graph.sh.work/ctg_graph00的contig長度為4540kb.
但是在01.ctg_graph.sh.work目錄下除了ctg_graph00以外，還有其他隨機參數(shù)的在組裝結(jié)果贩挣。隨機參數(shù)結(jié)果只輸出了統(tǒng)計結(jié)果喉前，用戶如需要輸出組裝序列，可以修改01_rundir/03.ctg_graph/01.ctg_graph.sh王财，將里面的-a 0替換成-a 1卵迂。
每個目錄下都有shell輸出，可以挑選基于nextDenovo.sh.e這里面的結(jié)果挑選組裝指標(biāo)較好的绒净，再輸出序列见咒，比如說比較下N50。

$grep N50 01_rundir/03.ctg_graph/01.ctg_graph.sh.work/ctg_graph*/*.e

默認(rèn)情況下挂疆，最終組裝出20條contig改览。

全部20條contig結(jié)果

最后：
我用了四個性價比比較高的三代組裝軟件對大腸桿菌pacbio數(shù)據(jù)做了個比較：

結(jié)果比較

可以看到在不考慮速度的情況下，flye的長度是最長的缤言。

最后編輯于：2019.12.13 19:35:17

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者