Mummer 用法简析

动动发财的小手，点个赞吧！

4个工作流程

nucmer

由Perl写的流程，用于联配很相近(closely related)核酸序列。它比较适合「定位和展示高度保守的DNA序列」。注意，为了提高nucmer的精确性，最好把输入序列先做「遮盖(mask)「避免不感兴趣的序列的联配，或者」修改单一性限制」降低重复导致的联配数。

promer

​ 以翻译后的氨基酸序列进行联配，工作原理同nucmer.

rum-mummer1 run-mummer3

​ 两者是基于cshell写的流程，用于两个序列的常规联配，和promer,nucmer类似，只不过能够自动识别序列类型。它们擅长联配「相似度高」的DNA序列，找到它们的不同，也就是适合找SNP或者纠错。前者用于1v1无重排，后者1v多有重排

nucmer 参数详解

匹配:

--mum, --mumreference(默认), --maxmatch
--minmatch/-l: 单个匹配最小长度
--forwoard/-f, --reverse/-r: 只匹配正链或只匹配负链。

聚类：

--mincluster/-c: 用于聚类的匹配最低长度，默认65--maxgap/-g: 两个相邻匹配间的最大gap长度，默认90--diagdiff/-D: 一个聚类中两个邻接匹配，最大对角差分，默认5--diagfactor/-d: 也是和对角差分相关参数，只不过和gap长度有关，默认0.12

外延:

--breaklen/-b: 在对联配两端拓展式，在终止后继续延伸的程度，默认200--[no]extend：是否外延，默认是
--[no]optimize：是否优化，默认是。即在联配分数较低时不会立刻终止，而是回顾整条联配，看能否苟延残喘一会。

其他:

--depend: 显示依赖信息后退出
--coords: 调用show-coords输出坐标信息
--prefix/-p: 输出文件的前缀
--[no]delta: 是否输出delta文件，默认是

「新增」：

# 在第四版新增的参数--threads/-t: 多核心
---delta=PATH: 指定位置，而不是当前
--sam-short=PATH：保存为SAM短格式
--sam-long=PATH： 保存为SAM长格式
--save=PREFIX：保存suffix array
--load=PREIFX：加载suffix array

实例

比较常见的用法是把一条连续的序列和另一条连续的序列比。比如说两个细菌的菌株,直接用mummer

两个完整度高的基因组

mummer -mum -b -c A.fasta B.fasta > out.mums

# -mum: 计算在两个序列中唯一的最大匹配数
# -b: 计算正向和反向匹配数
# -c: 报告反向互补序列相对于原始请求序列的位置

「高度相似」序列，不含重排

run-mummer1 ref.fasta qry.fasta ref_qry

# 仅报告负链匹配序列run-mummer1 ref.fasta qry.fasta ref_qry -r

「高度相似」序列，存在重排

run-mummer3 ref.fasta qry.fasta ref_qry

相似度不高

以上的run-mummer*比较关注序列的不同之处，那么对于「相似度没有那么高」的两个序列，就需要用到nucmer。nucmer关注序列的相似之处，所以它允许重排，倒置和重复现象。nucmer允许多对多的比较方式，当然比较常用的是多对一的比较。

nucmer --maxgap=500 --mincluster=100 --prefix=ref_qry ref.fasta qry.fasta

# --maxgap: 两个match间最大gap为500
#--minclster: 至少要有100个match才能算做一簇

有点差异

可以用翻译的氨基酸序列进行比较

promer --prefix=ref_qry ref.fasta qry.fasta

基因草图(scaffold, contig级别)

使用nucmer或promer构建序列间的可能联配。

# 首先过滤低于1kb的序列

awk -c fastx '{if (length($seq) > 1000) print ">"$name "\n"$seq}' A.fasta > A_1kb.fa

awk -c fastx '{if (length($seq) > 1000) print ">"$name "\n"$seq}' B.fa > HB_1kb.fa

# 处理，时间会比较久，因为分别有20109，17877条contig

nucmer --prefix A_B A_1kb.fa B_1kb.fa &

❝

一个基因草图对一个完整基因组

❞

nucmer  --prefix A_B A.fa B.fa

❝

在第四版中新增了一个dnadiff，进一步封装nucmer和其他数据整理工具，基本上没啥参数，而输出很齐全，非常的人性化。在不知如何开始的时候，可以无脑用这个。

❞

# 已有delta文件
dnadiff -d A_B.delta

# 未有delta文件
dnadiff A_B A.fasta B.fa

delta-filter 过滤

• -i: 最小的相似度 [0,100], 默认0

• -l: 最小的匹配长度 默认0.

• -u: 最小的联配唯一度 [0,100], 默认0

• -o: 最大重叠度，针对-r和-q设置。 [0,100], 默认100

• -g: 1对1全局匹配，不允许重排

• -1: 1对1联配，允许重排，是-r和-q的交集

• -m: 多对对联配，允许重排，是-r和-q的合集。

• -q: 仅保留每个query在reference上的最佳位置,允许多条query在reference上重叠

• -r: 仅保留每个reference在query上的最佳位置,允许多条reference在query上重叠

show-coord 显示匹配坐标

show-coords -r A_B.delta.filter > A_B.coord

# -r：以refID排序，相对的，还有-q，以queryID排序less IRGSP1_DHX2_i89_l1000_1.coord

---

「实际应用」

nucmer

nucmer --maxmatch -c 100 -b 500 -l 50 ref.fasta qur.fasta

#--maxmatch 使用所有锚匹配，而不管它们的唯一性
#--mincluster/-c: 用于聚类的匹配最低长度，默认65
#--breaklen/-b: 在对联配两端拓展式，在终止后继续延伸的程度，默认200
#--minmatch/-l: 单个匹配最小长度

delta-filter -1 -m -i 90 -l 100 out.delta > out.filtered.delta   

#-1: 1对1联配，允许重排，是-r和-q的交集
#-m: 多对对联配，允许重排，是-r和-q的合集
#-i: 最小的相似度 [0,100], 默认0
#-l: 最小的匹配长度 默认0.

show-coords -THrd out.filtered.delta > out.filtered.coords   

#-T 将输出切换为制表符分隔格式 
#-H 不打印输出头
#-r 按参考 ID 和坐标对输出行进行排序
#-d 在附加中显示对齐方向

sed ':a; N;s/\n/ /; ta' a.txt  ## 利用sed的跳转功能

#绘制共线性图谱
#需要提前安装gunplot ps2pdf程序（sudo apt-get install xxx）
mummerplot --postscript test.delta

#将图像转换为pdf文件
ps2pdf out.ps out.pdf

本文由 mdnice 多平台发布