Mash计算基因组间的遗传距离

Mash是使用最小哈希(MinHash)算法快速估计基因组或宏基因组之间的遗传距离

一、软件下载和安装

安装的方式有两种可选

（一）直接在github官网下载最新版本的源码,解压后即可直接使用

wget https://github.com/marbl/Mash/releases/download/v2.3/mash-Linux64-v2.3.tar
tar -xvf mash-Linux64-v2.3.tar

（二）也可选用conda进行安装（建议创建独立的环境）

conda create -n mash
source activate ~/anaconda3/envs/mash
conda install bioconda::mash

二、计算基因组之间的遗传距离

（一）首先，使用mash sketch命令得到每个基因组的*.msh结尾文件

#将每个基因组的名字前缀放在GenomeName.list文件中
for GenomeName in $(cat GenomeName.list)
do
mash sketch ${GenomeName}_genomic.fna
done

(二) 其次，使用mash dist命令计算两两基因组之间的遗传距离，得到*.dist结尾文件

for GenomeName1 in $(cat GenomeName.list)
do
    for GenomeName2 in $(cat GenomeName.list)
    do
        mash dist ${GenomeName1}_genomic.fna.msh ${GenomeName2}_genomic.fna.msh > ${GenomeName1}_${GenomeName2}.dist
    done
done
        

(三)将所有基因组之间的遗传距离矩阵结果合并起来

cat *.dist >> Merge.dist.txt

sed -i 's/_genomic.fna//g' Merge.dist.txt

得到示例结果如下：

genome1        genome3         0         0         1000/1000

genome2         genome3         0.0222766         0         456/1000

1. 第一列代表参考基因组名字（Reference-ID）
2. 第二列代表query基因组名字（Query-ID）
3. 第三列代表mash距离（Mash-distance）
4. 第四列代表P值（P-value）
5. 第五列代表匹配的hashes（Matching-hashes）

• 参考文献

Mash: fast genome and metagenome distance estimation using MinHash. Ondov BD, Treangen TJ, Melsted P, Mallonee AB, Bergman NH, Koren S, Phillippy AM. Genome Biol. 2016 Jun 20;17(1):132. doi: 10.1186/s13059-016-0997-x.

Mash Screen: high-throughput sequence containment estimation for genome discovery. Ondov BD, Starrett GJ, Sappington A, Kostic A, Koren S, Buck CB, Phillippy AM. Genome Biol. 2019 Nov 5;20(1):232. doi: 10.1186/s13059-019-1841-x​​​​​​
 

• 易科源生物科技，致力于提供个性化高质量多组学科研服务，为您的科研助力！

• TB店铺：易科源生物科技