基因组之单倍型基因组装（三）

最新推荐文章于 2024-12-24 18:29:22 发布

生信大表哥

最新推荐文章于 2024-12-24 18:29:22 发布

阅读量952

点赞数 27

分类专栏：单倍型基因组组装文章标签：云计算容器算法 python perl

本文链接：https://blog.csdn.net/2401_89507557/article/details/144629406

版权

单倍型基因组组装专栏收录该内容

7 篇文章

订阅专栏

首先，对于第一步的组装的，我们先从HiFiasm软件开始介绍。

HiFiasm 是一个用于基因组组装的软件，特别针对高通量测序数据，尤其是PacBio公司的HiFi读取数据。以下是关于HiFiasm软件的一些详细信息：
HiFiasm由李恒团队开发，是一个开源项目，可以在GitHub上找到其源代码和文档。在单倍体解析中，HiFiasm能够进行单倍体解析组装，这意味着它能够区分个体中的两个同源染色体。HiFiasm能够生成端粒到端尾的基因组组装，即从染色体的一个端粒到另一个端粒的完整组装。HiFiasm生成的组装结果具有较高的连续性和准确性，能够解析更多的片段重复区域。HiFiasm的运行速度快，适合大规模基因组组装任务。HiFiasm提供了简单的命令行界面，易于安装和使用。HiFiasm适用于人类基因组的组装，能够提供高质量的基因组序列。HiFiasm也适用于动植物基因组的组装，尤其是在需要高连续性和准确性的场景中。
HiFiasm能够进行三联体组装，即同时组装父母和后代的基因组。HiFiasm支持HiFi读取、超长Oxford Nanopore读取以及Hi-C读取数据，使其能够进行单样本和三联体组装。HiFiasm输出的基因组组装结果通常为GFA（Graph Fragment Assembly）格式，这是一种用于表示基因组组装图形的数据格式。作为一个开源项目，HiFiasm拥有活跃的社区支持。

HiFiasm组装的工作原理：

Reads互相纠错：将所有的reads进行all-vs-all比对并进行纠错。基于reads间的overlap信息，如果read上有一个碱基与其他碱基不同，并有至少3条reads支持，则认为它是SNP并保留，否则认为是错误并进行纠正。HiFiasm只使用相同单倍型的数据纠错，避免过度校正，保留来自不同单倍型的杂合变异信息，HiFiasm可以对杂合SNP进行定相phasing。
String-graph构建：HiFiasm构建以reads为顶点、重叠区为边的定相string-graph。区别于一般三代数据组装时构建的string-graph，Hifiasm会保留全部的气泡（bubble），因而可以保留下来基因组上全部的单倍型信息，以便后续对于单倍型的处理。
组装构建：如果没有其他辅助分型数据，Hifiasm会任意选择bubble的一侧为主要组装结果（primary contigs），类似Falcon unzip和HiCanu。如果有父母本的测序数据，Hifiasm可以通过亲本特有的kmer在图上识别出来自父母本的序列，从而得到两套单倍体基因组。

一、HiFiasm软件介绍和安装

官网：https://github.com/chhylp123/hifiasm
直接进入官网
在这里插入图片描述
右下角进入最新版本

下载安装最新的版本

git clone https://github.com/chhylp123/hifiasm 
cd hifiasm 
make

二、HiFiasm 运行

首先，是HiFi only assembly用的是单倍体组装，

HiFi= …/HiFi.fastq.gz

这里定义了一个变量HiFi，指向了HiFi读取数据的压缩文件路径。

prefix=Fragaria_vesca

定义了一个变量prefix，用于后续输出文件的命名前缀。在这个例子中，前缀是Fragaria_vesca，这可能是某种生物的名称或代号。

hifiasm -o ${prefix} -t 26 -l3 ${HiFi} 2> out.log

hifiasm是HiFiasm软件的命令。
-o ${prefix}指定输出文件的前缀。
-t 26指定使用26个线程进行并行处理。
-l3是HiFiasm的一个参数，用于设置组装过程中的某些阈值。
${HiFi}是输入的HiFi读取数据文件。
2>out.log将标准错误重定向到out.log文件中，用于记录可能出现的错误信息。

awk '/^S/{print ">"$2;print $3}' ${prefix}.bp.p_ctg.gfa > ${prefix}.bp.p_ctg.fa

使用awk命令从GFA文件中提取序列信息。
/^S/匹配以S开头的行，这些行包含序列信息。
{print “>”$2;print $3}打印序列的名称（$2）和序列本身（$3）。
${prefix}.bp.p_ctg.gfa是HiFiasm输出的GFA文件。
${prefix}.bp.p_ctg.fa将提取的序列保存为FASTA格式的文件。

/usr/bin/java -jar /path/gnx.jar ${prefix}.bp.p_ctg.fa > N50

使用Java运行gnx.jar工具，这是一个用于计算组装质量指标（如N50）的工具。
${prefix}.bp.p_ctg.fa是上一步生成的FASTA格式的组装结果文件。
N50将N50值的输出保存到N50文件中。

那么下一期让我们看看初步组装的结果文件有什么。