(全文约900字)
1. HiFi数据
HiFi reads(High Fidelity reads)是2019年由PacBio公司推出的基于环化一致性序列(Circular Consensus Sequencing,CCS)模式产生的既兼顾长读长(10-20kb的长度)又具有高精度(>99%准确率)的测序结果。非常适合用于基因组组装。
-
HiFi数据预处理
-
可以用 bam2fasta
直接把下机数据ccs.bam或者hifi.bam转换成fasta格式文件用于后续分析。 -
bam2fasta sample.ccs.bam -c 9 -o sample.ccs
命令会生成sample.ccs.fasta.gz文件,-c 9
代表压缩程度为9。
-
用HiFi数据组装基因组的软件选择
-
2024年发表在Genome Research上的一篇 文章 对11种针对HiFi测序技术的组装工具的评估结果显示, hifiasm和 hifiasm-meta分别是组装真核基因组和宏基因组的最佳工具。 -
文章显示,在真核生物基因组组装中,hifiasm在不同方法比较的组装基因组均具有更高的连续性、完整性和准确性;HiCanu、Verkko与LJA次之,但Verkko与LJA具有组装的contig较短等缺陷;NextDenovo仅对单倍体基因组具有更好的性能。 -
宏基因组组装评估中,hifiasm-meta以及metaflye的组装错误最少,但是在面对复杂宏基因组时hifiasm-meta的完整性及连续性明显优于metaflye,但同时也会保留部分冗余的序列。
目前来说,Hifiasm软件是用HiFi数据组装基因组的不二选择。
2. Hifiasm软件
-
简介
-
Hifiasm是一个利用PacBio HiFi数据进行从头组装基因组,获得单倍体基因组的组装工具。 -
由哈佛大学李恒团队在2021年2月份开发,首次发表在Nature Methods上。2022年在Nature biotechnology上发表论文,在Hifiasm中引入了Hi-C Integrated assembly 模式。 -
Hifiasm被设计用于PacBio HiFi数据组装基因组,使用在分型组装图(pahsed assembly graph)中表示单倍体信息的算法。
-
特点和优势
-
运行速度很快。半天时间可以组装一个人类基因组。 -
可以接受一种数据类群的多个输入文件(如多个HiFi数据文件),并且合并作为一个文件输入和多个文件输入的结果不同,建议就保持多个文件输入。 -
倾向于尽量组装更长的contigs。 -
能够更好地解决片段重复(segmental duplications) -
可以利用Hi-C数据或/和亲本二代Illumina测序数据获得解析良好的单倍型组装。 -
也可以利用Oxford Nanopore数据获得端粒到端粒的组装。
-
Hifiasm简化了组装流程
-
内置了清除haplotigs之间的重复(duplications)的程序,无需第三方工具(如purge_dups)。 -
组装完成后无需polish工具(如pilon,racon)进行polish。
3. references
-
Hifiasm manual:https://hifiasm.readthedocs.io/_/downloads/en/latest/pdf/ -
Hifiasm介绍:https://www.bilibili.com/read/cv18775152/ -
hifiasm组装(多个cell的HiFi输入文件)的不同结果:https://mdnice.com/writing/25f5a8fe3bfe4474ae1bdcab44604da9
-
欢迎关注微信公众号: 生信技工 -
公众号主要分享生信分析、生信软件、基因组学、转录组学、植物进化、生物学概念等相关内容,包括生物信息学工具的基本原理、操作步骤和学习心得。
本文由 mdnice 多平台发布