使用Canu对三代测序进行基因组组装

Canu简介

Canu是Celera的继任者，能用于组装PacBio和Nanopore两家公司得到的测序结果。

Canu分为三个步骤，纠错，修整和组装，每一步都差不多是如下几个步骤：

• 加载read到read数据库，gkpStore
• 对k-mer进行技术，用于计算序列间的overlap
• 计算overlap
• 加载overlap到overlap数据库，OvlStore
• 根据read和overlap完成特定分析目标
  • read纠错时会从overlap中挑选一致性序列替换原始的噪声read
  • read修整时会使用overlap确定read哪些区域是高质量区域，哪些区域质量较低需要修整。最后保留单个最高质量的序列块
  • 序列组装时根据一致的overlap对序列进行编排(layout), 最后得到contig。

这三步可以分开运行，既可以用Canu纠错后结果作为其他组装软件的输入，也可以将其他软件的纠错结果作为Canu的输入，因此下面分别运行这三步,并介绍重要的参数。

几个全局参数：genomeSize设置预估的基因组大小，这用于让Canu估计测序深度； maxThreads设置运行的最大线程数；rawErrorRate用来设置两个未纠错read之间最大期望差异碱基数；correctedErrorRate则是设置纠错后read之间最大期望差异碱基数，这个参数需要在 组装 时多次调整；minReadLength表示只使用大于阈值的序列，minOverlap