1. de novo assembly

De Bruijn 圖是目前二代測序序列最常用的拼接算法，該算法將已經(jīng)非常短的reads再分割成更多個kmer短序列(k 小于reads 序列的長度),相鄰的kmers序列通過(k-1)個堿基連接到一起(即每次只移動一個位置),進而降低算法計算重疊區(qū)域的復(fù)雜度,降低內(nèi)存消耗。
常用的短序列拼接軟件有：SPAdes柳譬、Velvet划乖、SOAPdenovo刘绣、Abyss瓦戚、MasuRCA

SPAdes的安裝

python環(huán)境的安裝，推薦安裝Anoconda,可以根據(jù)需要蕾羊，配置切換不同的python環(huán)境。

wget https://repo.anaconda.com/archive/Anaconda3-5.3.1-Linux-x86_64.sh 

bash Anaconda3-5.3.1-Linux-x86_64.sh 

創(chuàng)建python2的環(huán)境

conda create --name python27 python=2.7 -y

創(chuàng)建python3的環(huán)境

conda create --name python34 python=3.4 -y

激活python3 or python2

conda activate python=3.4/2.7

激活python環(huán)境.png

安裝SPAdes軟件

wget http://cab.spbu.ru/files/release3.12.0/SPAdes-3.12.0-Linux.tar.gz

mkdir ~/BioSofts/spades

tar -zvxf ~/SPAdes-3.12.0-Linux.tar.gz -C ~/BioSofts/spades/

~/BioSofts/spades/SPAdes-3.12.0-Linux/bin/spades.py -h

echo 'export PATH=~/BioSofts/spades/SPAdes-3.12.0-Linux/bin:$PATH'>> ~/.bashrc

source ~/.bashrc

spades.py -h

SPAdes

拼接基因組數(shù)據(jù)的情況

– 僅有一個 library 數(shù)據(jù) (SE帽驯、PE龟再、ME)
– 有多個 paired-end library 數(shù)據(jù)
– 有多個 mate-paired library 數(shù)據(jù)
– 有PACBIO 數(shù)據(jù)
– 有已拼接的Contig數(shù)據(jù)

僅有一個 library 數(shù)據(jù) (SE、PE尼变、ME)

--12 file_name：12 表示后面接的文件是交叉融合的 paired 數(shù)據(jù)利凑。
-1 file_name：1 表示 forward 數(shù)據(jù)
-2 file_name：2 表示 reverse數(shù)據(jù)
-s file_name：s 表示 single 數(shù)據(jù), 也用于輸入 PacBio CCS reads

有多個 paired-end library 數(shù)據(jù)的情況

--pe{int}-12 編號為 int 的 library 的交叉融合后的paired 數(shù)據(jù)。int 取值只能是 1,2,3,4,5 嫌术，下同哀澈。
--pe{int}-1 編號為 int 的 library 的 forward 數(shù)據(jù)
--pe{int}-2 編號為 int 的 library 的 reverse 數(shù)據(jù)
--pe{int}-s 編號為 int 的 PE 的 unpaired數(shù)據(jù)
--pe{int}-{fr|rf|ff} 編號為 int 的 PE數(shù)據(jù)的方向,默認(rèn)為 --pe{int}-fr

有多個 mate-paired library 數(shù)據(jù)

--mp{int}-12 編號為 int 的 library 的交叉融合后的paired 數(shù)據(jù)
--mp{int}-1 編號為 int 的 library 的 forward 數(shù)據(jù)
--mp{int}-2 編號為 int 的 library 的 reverse 數(shù)據(jù)
--mp{int}-{fr|rf|ff} 編號為 int 的 library 的數(shù)據(jù)的方向,默認(rèn)為 --mp{int}-rf

有PacBio 數(shù)據(jù)

選用--pacbio 參數(shù)

有已拼接contig的情況

--trusted-contigs：– 輸入可信度高的 contigs,用于 graph construction,
gap closure 和 repeat resolution
--untrusted-contigs：– 輸入可信度較低的 contigs, 用于gap closure 和
repeat resolution

運行測試代碼

spades.py --careful --pe1-1 ~/Seqs/test_7942raw_1.fq.gz --pe1-2 ~/Seqs/test_7942raw_2.fq.gz -o ./SPAdesout_7942_new

2018-11-26 20-24-58屏幕截圖.png

2.序列拼接評價軟件QUAST

安裝quast

tar -zvxf quast-5.0.0.tar.gz -C ~/BioSofts/

echo 'export PATH=$PATH:~/BioSofts/quast-5.0.0/'>>~/.bashrc

source ~/.bashrc

使用quast

quast.py ~/Seqs/SPAdesout_7942_new/contigs.fasta -o ~/Seqs/SPAdesout_7942/quast_out

quast報告

2018-11-26 22-11-04屏幕截圖.png

report.png