前面介绍了SOAPdenovo2的使用,但是由于结果整体不理想,尝试使用另外一个软件SPAdes。
该软件目前的版本支持paired-end reads, mate-pairs及unpaired reads。SPAdes一般用于小基因组组装,不适合大型基因组组装(例:哺乳动物)。官方文档可知第一步和第二步耗内存(cpu),第三步耗磁盘空间(实际是缓存,属于高I/O操作)。
file
SPAdes包含几个单独的模块:
(1) BayesHammer:Illumina reads的read纠错。在单细胞和标准数据集上效果也很好。
(2) IonHammer:IonTorrent(半导体测序,通过半导体芯片直接把化学信号转为数字信号)数据的read纠错。
(3) SPAdes: 迭代short reads基因组组装模块。K的值是根据read长度和数据集类型自动选择的,也可以自己选择。
(4) MismatchCorrector:一种工具,可改善所产生的contig和scaffold的错配和较短的插入缺失。默认是关的,建议打开(对于小型基因组而言)。
运行SPAdes时建议运行BayesHammer或 IonHammer以获得高质量的组装(默认打开),如果你使用别的read纠错工具,该模块可以关闭。
1.组装前准备
(1)文件夹组织形式:
file
clean_data:存放测序得到的reads。
fastqc_results:存放两次fastqc结果。(看reads质量)
kmergenie_results:存放kmergenie结果。(基因组调查)
QC_results:质控后的结果。
quast_results:quast结果。(组装结果评价)
reference:物种参考基因组。(用于quast,如果没有参考基因组可以不用)
spades_results:spades组装结果。
tools:组装所需工具。
(2)所有软件写进环境变量。
vim ~/.bashrc
#注:把所需工具写入到环境变量中。(fastqc,trimmomatic,kmergenie,SPAdes,quast)
source ~/.bashrc
file
2.read质量控制
所用软件为fastqc和trimmomatic(软件安装略)。
cd .../genome_assembly/spades #注:...是省略了前面的路径,后面也一样。
touch fq_trim.sh
vim fq_trim.sh
#以下均在fq_trim.sh这个shell脚本中。
trimmomatic=.../genome_assembly/tools/Trimmomatic-0.38/trimmomatic-0.38.jar #所安装的trimmomatic所在路径
#1.first fastqc
for fq_file in clean_data/*
do
fastqc -o ./fastqc_results/first $fq_file
done
echo "*