初步组装的杂合基因组如何去冗余

redundans的目标是辅助杂合基因组的组装，输入文件可以是组装的contig，测序文库以及额外的参考基因组，最后用于搭建出scaffold级别的纯合基因组组装结果。包括如下几个步骤：

• 从头组装: 它会调用Platanus、SSPACE3进行组装
• 去冗余: 从最初组装中去除冗余的序列
• scaffolding: 利用双端测序将contig进行搭接
• gap closing: 即填补scaffold中的N序列

对于我们三代组装的结果而言，我们只需要去冗余这一步即可。

软件安装

这一步一定要保证你的电脑上装了ZLIB库，不然就需要去修改BWA和LAST的Makefile, 手动添加"CFLAGS"和"LDFLAGS", 你或许不行。

git clone --recursive https://github.com/lpryszcz/redundans.git
cd redundans && bin/.compile.sh

结果输出"done"才算是成功.如果还需要作图，则需要安装 matplotlib numpy

pip install matplotlib numpy

最好用下面这行命令测试下。

./redundans.py -v -i test/*_?.fq.gz -f test/contigs.fa -o test/run1

软件的使用

这个软件就是在安装的时候让我折腾了下，使用倒是非常的方便，去冗余主要调整的参数就是相似度和重叠(overlap)度 默认相似度参数--identity 0.51,重叠比例是--overlap 0.80 越大越严格。

此外，如果你用-i参数提供了二代测序数据，redundans还会默认搭scaffold和补洞，但我只需要用到它的去冗余步骤, 另外的两步我不要，所以还要添加--noscaffolding和--nogapclosing跳过这两步。

ident=0.55
ovl=0.80
contig=contig.fa
threads=10
redundans.py -v -f ${contig} -o ident_${ident}_ovl_${ovl} -t ${threads} \
    --log ident_${ident}_ovl_${ovl}.log \
    --identity ${ident} --overlap ${ovl} \
    --noscaffolding --nogapclosing

上面代码运行时如果不小心中断了，加上--resume就能断点重跑了。

参考资料

• https://github.com/lpryszcz/redundans
• Redundans: an assembly pipeline for highly heterozygous genomes