Velvet基因组拼接软件的使用方法和参数简介(一)
Velvet简单介绍:
velvet是一款常用的基因组拼接软件,与soapdenovo一起常用于二代测序数据的处理,相对于soapdenovo拼接的完整性更好。他能同时支持fasta、fastq格式的数据,同时支持多个文库的数据同时使用。
其工作的一般过程简化为:输入short read序列,排除错误,产生高质量的contigs。然后用paired-end read和long read信息,检索contigs之间的重复区域。
Velvet工作原理:
1、Bruijn算法
给定的数据总是存在着冗余信息,因此,算法的使用很重要。当前大多数是用的overlap-consensus-layout算法,它的每一个 read都是单独的实体。而Bruijn算法,将分析基于observed words(或者k-mers)。给定k-mers,不管发现多少次,都是唯一的node。此外,他可以无差别的容纳long和short read的混合物。
构建Bruijn图关键在于对所有的reads进行hash。Hash值通过设置参数给定,或者是默认的21。这对所有的序列进行成对比对时会减少 时间,一旦所有的reads已经被hash,由k-mer node可以追溯他们的每一个路径。增值覆盖率和创建arcs就属于这种方法。
2、错误移除
错误移除算法:Tour Bus,对没有错误连接的graph进行移除。这要确保基因组中低覆盖率的唯一的点没有被破坏。因此,这一步在画图之后进行。
错误的类型主要有:
- Tips:起源于低质量的read的结尾部分没有任何的重叠。
- Bubbles:他产生于长read的中间或两个错误的read结尾部分重叠。
首先去除tips,由长度和覆盖率来定义。然后去除bubbles,运用的是与Dijkstra’s类似的算法,最后低覆盖率的点会被去掉。
使用方法
在前面的文章中已经介绍了velvet的安装方法()。
1.准备输入数据
无论是fasta格式的数据还是fastq格式数据,首先利用velvet自带的两个脚本程序对每一个pair-end数据进行合并;方法如下:
对于fasta格式数据
shuffleSequences_fasta.pl s1_1.fasta s1_2.fasta s1.fasta
最后的得到的数据格式如下(成对的正反向reads连续放在一起):
>2:1:3789:2197:Y/1
CAGACTAATACCAATCCAACCCATTTCATGAATAAAATGTGACCAATTAACCAACCAACAAAACTGCTTGTTACAAATAA
>2:1:3789:2197:Y/2
ATACAATAACTGTACTAGCTCTACCGTATCTTTTGTTTCATTTCTTCTGGAATAATCACAAAAACTTTTTTGATTATGGA
>2:1:4209:2183:Y/1
TTATAGAAAAGAAAGAAAAGAATGAAAAATAAAGTAATTTTTGATTGGGCCGGGAATCCTATTTTGGATTCGGTATGGAT
>2:1:4209:2183:Y/2
ATCTTTCGCCTATAAATTCAATGAATGAATTACCTCTCAATGATCTTGAATCGGATCAAGATCATGAATAACAATATCTG
>2:1:6191:2192:Y/1
AAAGCATTCACTCCTCTTTTATATCTTGCATCTCTAGTATTTTTGCCCTGGTGGATTTCTCTTTCATTTAATAAAAGTCT
>2:1:6191:2192:Y/2
ATTCCTATACGAAGGTTTTGTAGATGTGTCTCCGAGTATTCCTTGATCATTTCCTCCAAGGGAAGGATTTCCTCTAATTC
对于fastq格式数据
shuffleSequences_fastq.pl s1_1.fq s1_2.fq s1.fq
得到的数据格式与上面类似,只是数据是fastq格式而已,以上得到的s1.fasta或s1.fq可以直接被后续使用。
2.格式化reads
Velveth用一些序列文件产生一个hashtable,并输出两个文件:Sequences和Roadmaps。一般使用以下命令即可,蓝色标记的部分可以重复,即当你有多个文库的时候都按照蓝色部分的格式来写
./velveth directory hash_length { [-file_format] [-read_type] [filename] } [options]
directory:输出文件所在路径的名字(即创建一个文件夹存放结果文件)
hash_length:也叫k-mer length,默认为31bp,储存hash length,值越大,内存需求越大
filename:标准输入文件名
Options:
-strand_specific:转录组序列数据,默认为off
支持的文件格式:fasta,fastq,fasta.gz,fastq.gz,eland,gerald。默认为fasta
读类别:short,shortPaired,short2,shortPaired2,long,longPaired。默认为short
例子1:
> ./velveth output_directory/ 21 –fasta –short solexa1.fa solexa2.fa solexa3.fa –long capillary.fa ;
默认参数为fasta、short,因此可以写成:
>./velveth output_directory/ 21 solexa*.fa –long capillary.fa
例子2:
假如你用一个标准的转录组序列来做,为使结果更好,可用一下选项(-strand_specific)。
> ./velveth output_directory/ 21 (...data files...) -strand_specific
3.序列组装
Velvetg是velvet的核心,他建立bruijn图并对reads进行组装。
./velvetg directory [options]
directory:工作路径名
Standard options:
-cov_cutoff <floating-point|auto>:移除低覆盖率的node,默认不移除
-ins_length <integer>:two paired end reads之间的期望距离,默认no read pairing
-read_trkg <yes|no>:在集合中对short read位置进行跟踪,默认不跟踪
-min_contig_lgth <int>:导出到contig.fa文件中的最小contig长度,默认为hash长度的2倍
-amos_file <yes|no>:导出到AMOS文件中,默认不导出(no)
-exp_cov <floating point|auto>:唯一区域的期望覆盖率
Advanced options:
-ins_length2 <int>:两个paired-end reads在第二个short-read数据集中的期望距离,默认否
-ins_length_long <integer>:两个long paired-end reads的期望距离,默认否
-ins_length*_sd <int>:数据集的标准差,默认corresponding length的10%(*代表:nothing,2,_long)
-scaffolding <yes|no>:scaffolding of contigs used paired end information (default: on)
-max_branch_length <integer>:在bubble中的碱基对的最大长度,默认100-max_pergence <floating-point>:在一个bubble中的两个分支的最大分歧率,默认0.2
-max_gap_count <integer>:在一个bubble中的两个分支比对中允许的最大gap值,默认3-min_pair_count <integer>:构成两个长contigs的paired end的最小值,默认10
-max_coverage <floating point>:在tour bus后移除高覆盖率的node
-long_mult_cutoff <int>:合并contig的long reads的最小值,默认2
-unused_reads <yes|no>:将不用的reads导出到UnusedReads.fa文件中,默认否
-alignments <yes|no>:导出一个主要的contig并和参照序列对其,默认否
例子3、
设置覆盖截断值:
> ./velvetg output_directory/ -cov_cutoff 5.2
排除最高的覆盖数据,设置最大覆盖截断值:
> ./velvetg output_directory/ -max_coverage 300 (... other parameters ...)
自动设置覆盖截断值:
> ./velvetg output_directory/ -cov_cutoff auto
例子4、
如果你有一个足够覆盖面的短read,有任意数量的长read,你可以用长read做repeat。为了达到他,velvet需要对短read的序列有一个期望覆盖的适当的估计。简单的方法是重叠群被发现的分布,也要看覆盖点的聚类情况。如果期望覆盖是19x:
> ./velvetg output_directory/ -exp_cov 19 (... other parameters ...)
假如你有理由相信合理的统一的覆盖你的sample,你可以要求velvet估计他:
> ./velvetg output_directory/ -exp_cov auto (... other parameters ...)
例子5:
Minimum long read connection cuto?:对于用long reads拼接完成contigs,需要设置一个阈值来减少误差(默认为2)。假如你的长序列没有与之重叠的序列(例如contigs),你可以设为0, 对他直接进行使用。相反的,如果你的长序列覆盖范围很高,就需要设一个高的阈值。
Minimum read-pair validation:假如你的数据不是paired-end reads,只是偶然成对,那么为减少误差,就需要你在对两个contigs进行拼接时至少要有10对pairs(默认)。
> ./velvetg output_directory/ -min_pair_count 20 (...other parameters...)
转载于:https://www.cnblogs.com/xiaofeiIDO/p/6428701.html
Velvet基因组拼接软件的使用方法和参数简介(一)相关推荐
- Velvet基因组拼接软件的使用方法和参数简介(二)
1. Velvet的安装 Velvet用于基因组的de novo组装,支持各种原始数据,包括Illumina的short reads和454的long reads. 首先下载velvet的安装包,直接 ...
- metaSPAdes:新型多功能宏基因组拼接工具
文章目录 metaSPAdes:新型多功能宏基因组拼接软件 热心肠日报 摘要 结果 metaSPAdes流程概述 表1. 所有数据集和所有组装程序的支架总长度(以兆为单位) 图1. 支架累计长度图 表 ...
- MetaQuast:评估宏基因组拼接
文章目录 MetaQuast:评估宏基因组拼接 热心肠日报 摘要 1 背景 2 材料和方法 2.1 基于参考的评估 2.2 从头评估 2.3 根据读长比对细化装配错误 2.3.1 SV检测 2.3.2 ...
- 拼接 结果集_MetaQuast:评估宏基因组拼接
MetaQuast:评估宏基因组拼接 MetaQUAST: evaluation of metagenome assemblies Bioinformatics, [4.531] 2015-11-26 ...
- 第二、三代基因组测序数据混合拼接软件综述
第二.三代基因组测序数据混合拼接软件综述 王 昊1,陈 挺2* (1.清华大学 计算机科学与技术系,北京 10084: 2.清华大学 计算机系.清华大学人工智能研究院,北京 10084) 摘要 ...
- Nature方法 | 三代长读长宏基因组组装软件metaFlye
简介 标题:metaFlye:基于重复图的可拓展长序列宏基因组序列组装 metaFlye: scalable long-read me ...
- Nature Methods:基于人工重组菌群数据的宏基因组的软件评估金标准
文章目录 写在前面 摘要 图1. 基于标准数据集CAMI高度复杂数据集的组装结果 图2. 基因组分箱结果纯度和完整度比较 图3. 数据集的分析结果 Reference 猜你喜欢 写在后面 近年来宏基因 ...
- python两张图片无缝合成一张,Python实现拼接多张图片的方法
本文实例讲述了Python实现拼接多张图片的方法.分享给大家供大家参考.具体分析如下: 这里所述计划实现如下操作: ① 用Latex写原始博文,生成PDF文档; ② 将PDF转成高清的PNG格式的图片 ...
- linux序列拼接软件,EST序列的聚类、拼接以及纠错是怎样进行的,推荐使用那些软件?!...
各位大神们,我是一个刚刚开始进行生物信息分析实验的本科生,我需要做一个宁夏枸杞ACS基因的电子克隆,但是貌似NCBI的数据库里没有我需要的EST序列,所以只能采用同科的番茄来进行电子克隆. 但是刚刚开 ...
最新文章
- Redis 新特性篇:多线程模型解读
- pandas对dataframe进行排序:单数据列排序、多数据列排序、NA值排序位置、排序算法
- 地平线新征程!官网焕然一新,二代自动驾驶芯片势已蓄,只待发
- RabbitMQ通配符模式
- ios开发text kit_iOS富文本(三)深入使用Text Kit
- u检验、t检验、F检验、X2检验 (转)
- python递归和循环的区别_递归与伪递归区别,Python 实现递归与尾递归
- asp.net微信公众平台开发
- 各类型土地利用图例_给排水系统各部件及图纸你还有多少不了解?
- SQL server下载与安装教程
- 【数据采集】-目前比较流行的几种数据采集方式
- 百度AI开放平台学习——EasyDL经典版-图像分类模型训练与验证
- 请为自己计算机进行磁盘优化,如何对Win10系统的磁盘进行清理并优化
- 金融学系列之 Inflation Money Remit
- 学生成绩排名预测(DC)
- 推荐四个不错的公众号
- open3d,读取stl/ply/obj/off/gltf/glb三维模型,并转换成点云,保存
- Elasticsearch(七) - X-Pack 用户管理
- C# %253A%252F%252F 咋编码
- Java金额每隔三位加上一个逗号
热门文章
- tensorflow笔记(曹健老师):mnist数据集手写数字识别
- ASO优化之手游该如何获得巨量新增(下)
- 微信小程序| 做一款多人实时线上的五指棋联机游戏
- AI视觉分析技术在高空抛物监控安防应用
- BT下载]为大家献上真正原版,绝无改动的工行正版免激活XP,OFFICE2003
- HDU6201 transaction transaction transaction
- python 百度云下载加速器_Python爬虫加速神器的牛刀小试,就问你怕不怕
- c语言游戏背景音乐加入,互动游戏用的背景音乐 60首让现场嗨爆的歌曲分享
- 如何提高情商,提高情商的8种方法
- HDU-6004-Periodical Cicadas