利用3D-DNA流程基于Hi-C提升基因组组装

本文可在http://xuzhougeng.top/免费阅读原文

使用二代数据或三代数据得到contig后，下一步就是将contig提升到染色体水平。有很多策略可以做到这一点，比如说遗传图谱，BioNano(看运气), HiC, 参考近源物种。

如果利用HiC进行准染色体水平，那么目前常见的组装软件有下面几个

• HiRise: 2015年后的GitHub就不再更新
• LACHESIS: 发表在NBT，2017年后不再更新
• SALSA: 发表在BMC genomics, 仍在更新中
• 3D-DNA: 发表在science，仍在更新中
• ALLHiC: 发表在Nature Plants, 用于解决植物多倍体组装问题

对于二倍体物种而言，目前3D-DNA应该是组装效果最好的一个软件。

工作流程

使用3D-DNA做基因组组装的整体流程如下图，分别为组装，Juicer分析Hi-C数据，3D-DNA进行scaffolding，使用JBAT对组装结果进行手工纠正，最终得到准染色体水平的基因组。

总体流程

基因组组装可以是二代测序方法，也可以是三代测序组装方法，总之会得到contig。

Juicer的工作流程见下图，输入原始的fastq文件，处理得到中间文件.hic, 之后对.hic文件用于下游分析，包括

• Arrowhead: 寻找存在关联的区域
• HiCCUPS: 分析局部富集peaks
• MotifFinder: 用于锚定peaks
• Persons: 计算观测/期望的皮尔森相关系数矩阵
• Eigenvector: 确定分隔

juicer工作流程

之后Juicer的输出结果给3D-DNA，分析流程见下图。3D-DNA先根据Hi-C数据分析contig中的misjoin，对其进行纠错。之后通过四步,分别是Polish, Split, Seal和Merge, 得到最终的基因组序列

3d-dna流程

软件安装

在安装之前，确保服务器上有了下面这些依赖软件工具

• LastZ（仅在杂合基因组的二倍体模式下使用）
• Java >= 1.7
• GNU Awk >= 4.02
• GNU coreutils sort > 8.11
• Python >= 2.7
• scipy, numpy, matplotlib
• GNU Parallel >=20150322 (不必要，但是强力推荐)
• bwa

我们需要安装两个软件，一个是3D-DNA，另一个是juicer。

CPU版本的juicer安装

mkdir -p ~/opt/biosoft/
cd ~/opt/biosoft
git clone https://github.com/theaidenlab/juicer.git
cd juicer
ln -s CPU scripts
cd scripts/common
wget https://hicfiles.tc4ga.com/public/juicer/juicer_tools.1.9.9_jcuda.0.8.jar
ln -s juicer_tools.1.9.9_jcuda.0.8.jar  juicer_tools.jar

然后用~/opt/biosoft/juicer/scripts/juicer.sh -h检查是否有帮助信息输出

3D-DNA安装也很容易，只需要从Github上将内容克隆到本地即可

cd ~/opt/biosoft
git clone https://github.com/theaidenlab/3d-dna.git

用sh ~/opt/biosoft/3d-dna/run-asm-pipeline.sh -h查看是否有帮助文档输出。

参数详解

以CPU版本的为例，juicer.sh的参数如下

Usage: juicer.sh [-g genomeID] [-d topDir] [-s site] [-a about] [-R end]
                 [-S stage] [-p chrom.sizes path] [-y restriction site file]
                 [-z reference genome file] [-D Juicer scripts directory]
                 [-b ligation] [-t threads] [-r] [-h] [-f] [-j] 

参数说明