2020.8.5丨细菌基因组二代测序组装流程梳理
目录
- step:1 准备工作
- step:2 数据过滤
- 比对参考基因组
- 安装BWA
- 建立索引
- bwa一共有三种比对算法,这里使用mem
- 数据过滤
- 安装samtools
- 筛选三步走
- step:3 组装
- step:4 共线性分析
- 使用MUMmer进行分析
- 安装mummer-3.23:
- 联配相近序列
- 数据整理
- step:5-6 基因组环化+gap填充(尚未补充完整)
- step:7 组装评估
step:1 准备工作
获得原始数据
获得样本参考基因组或者知晓物种名称
step:2 数据过滤
比对参考基因组
安装BWA
bwa-0.7.17:https://github.com/lh3/bwa/releases/download/v0.7.17/bwa-0.7.17.tar.bz2 #下载到安装目录解压缩
cd bwa
make
或者
conda install bwa #(需要预装anaconda或者miniconda)
建立索引
bwa index refer_data/Escherichia_Coli_HIV-1.fa
bwa一共有三种比对算法,这里使用mem
bwa mem -t 4 ../refer_data/Escherichia_Coli_HIV-1.fa AW001-1_R1.fq AW001-1_R2.fq
数据过滤
安装samtools
samtools 1.10:https://github.com/samtools/samtools/releases/download/1.10/samtools-1.10.tar.bz2
cd samtools-1.x # and similarly for bcftools and htslib
./configure --prefix=/XXX/to/install
make
make install #注意权限问题,有时候需要在命令前添加 sudo
筛选三步走
samtools view [options] in.sam|in.bam|in.cram [region...] #查看和转化SAM/BAM/CRAM文件,输出文件内部分序列等。第二步需要.sam文件,如果bwa已生成sam文件,此步骤可省略;samtools sort -@ 15 -l 5 -m 20M -n -o my_sorted.bam -O bam output.sam #对文件进行排序#-@ INT 设定线程,默认为单线程#-l INT 设定输出文件的压缩水平,0表示不压缩,1表示快速但低水平的压缩,9表示缓慢但高水平的压缩,范围是0或者1-9,如果不指定-I,则使用默认的压缩水平#-m INT 设定每个线程需要的最大内存,使用K M G作为后缀,为了避免sort时产生很多中间文件,该参数最小值设为1M#-n 根据read name进行sort而不是根据染色体的坐标#-o FILE 最后输出的文件,如果为空,就输出到标准输出中#-O FORMAT 输出文件的格式,SAM/BAM/CRAM中选一个
samtools fasta input.bam -1 output_R1.fasta -2 output_R2.fasta #转化为fa格式准备组装,单端测序无需添加 -1,-2参数
step:3 组装
这里我使用的是Abyss工具进行组装,详细的安装教程可以看这里:https://blog.csdn.net/yangl7/article/details/107706174
export abyss_home=/home/XX/soft/abyss-2.2.4/
export PATH=$abyss_home/ABYSS:$PATH
abyss-pe name=mapping_ecoli k=n -o /h ome/yangxin/Assembly_result/n_contigs.fa in='/home/XX/plasmid_data/bwa_R1. fastq /hmoe/XX/plasmid_data/bwa_R2.fastq '
step:4 共线性分析
使用MUMmer进行分析
测序技术刚开始发展的时候,大家得到的序列都是单个基因的长度,所以一般都是逐个基因的比较,用的都是BLAST或FASTA通过逐个基因联配的方式搜索数据库。但是1999年后,越来越多的物种全基因组出现,比如说在1999年出现了Helicobacter pylori的第二类菌株的基因组序列,就需要研究同一物种不同品系进化过程的基因组变化,比如说基因倒置现象。传统的BLAST/FASTA就用不了,就需要用到新的工具,这就是MUMmer出现的历史背景。那么MUMmer能用来研究什么呢?比如说细菌的不同菌株基因组中倒置现象,人和老鼠的基因组在进化上的重排现象。还有比较同一物种的不同组装结果等。MUMmer的算法基础(suffix tree)使得它的速度比BLASTZ(k-mers)快得多,但是灵敏度低,也就是检测不到比较弱的匹配,但是作者说这都是可以通过修改参数进行改善. 背景描述及流程参考:https://www.plob.org/article/11355.html
安装mummer-3.23:
wget https://gigenet.dl.sourceforge.net/project/mummer/mummer/3.23/MUMmer3.23.tar.gz
conda install mummer(需要预装anaconda或者miniconda)
联配相近序列
`nucmer --mum -p contigs ../0-ref/ref.fasta ../2-assembly/spades/contigs.fasta #将组装后的contigs与参考基因组比对`
数据整理
delta-filter -m contigs.delta > contigs.filter #数据过滤,指定匹配要求生成delta文件记录联配坐标
#-i: 最小的相似度 [0,100], 默认0
#-l: 最小的匹配长度 默认0.
#-u: 最小的联配唯一度 [0,100], 默认0
#-o: 最大重叠度,针对-r和-q设置。 [0,100], 默认100
#-g: 1对1全局匹配,不允许重排
#-1: 1对1联配,允许重排,是-r和-q的交集
#-m: 多对对联配,允许重排,是-r和-q的合集。
#-q: 仅保留每个query在reference上的最佳位置,允许多条query在reference上重叠
#-r: 仅保留每个reference在query上的最佳位置,允许多条reference在query上重叠
show-coords -T -r -l contigs.filter > contigs.1coords #显示联配坐标表格
mummerplot --postscript -p contigs contigs.delta #生成.PS格式的绘图文件
ps2pdf contigs.ps contigs.pdf #生成共线性PDF
step:5-6 基因组环化+gap填充(尚未补充完整)
从step4开始手工操作,介于之前的质粒组装并不复杂,组装结果较好情况下,直接通过肉眼判断组装结果,这两步没有单独使用软件处理。后期遇到其他项目会对这两步进行补充
step:7 组装评估
使用Quast软件评估
安装
conda install quast(需要预装anaconda或者miniconda)
quast /home/XX/k_contigs.fa -t 8 -o k_quast
可以生成PDF直接查看评估结果,一共有五页,除总表外还有contig的长度分布,GC含量比例等图,不一一展示了。
2020.8.5丨细菌基因组二代测序组装流程梳理相关推荐
- 二代测序组装PK三代测序组装
二代测序组装PK三代测序组装 2016-07-29 编辑:诺禾致源 三代Pacbio测序技术 以其长读长,无需扩增,无GC偏好性等优势成为de novo组装的新宠儿. 然而,Pacbio测序成本 ...
- 2020.09.15丨细菌真菌基因组测序原理
细菌基因组测序原理 细菌定义: 属于原核生物,无核膜.DNA裸露,分真细菌和古细菌两大类的微生物.是在自然界分布最广.个体数量最多的有机体,是大自然物质循环的主要参与者. 细菌基因组特点: 基因组:一 ...
- 从头测序+重测序 | 利用细菌二/三代测序组装全基因组草图,注释,并应用于遗传分析...
这个问题部分地解决了: 仍存在的"Error"可能与原核特殊的密码子使用.基因组存在gap区.snpEff的进一步参数选择有关. 那么我们完成了什么?假设你分离到了一株菌,是一种当 ...
- 基因组重测序全流程(简易版)
已知达松维尔拟诺卡氏菌亚种是会导致人类放线菌瘤的环境生物,该样本是来自Keddieii血根杆菌DSM 10542的通用样品,旨通过基因组重测序探索其和参考基因组有何不同,找出基因组变异信息. 1.需要 ...
- 人类线粒体全基因组二代测序原始数据过滤
关于线粒体全基因组下机的fastq文件如何过滤变成待分析的VCF文件....具体过滤流程和相关参数,跪求大神帮忙指导!!!!必有重谢
- 一文搞定细菌基因组De Novo测序分析
本文转自基因的生物信息学分析,链接 https://mp.weixin.qq.com/s/xWOlv5WVJ7LwTuRQDXmGzg 以一个细菌的测序数据为例子,介绍细菌基因组测序分析流程.本次实验 ...
- 纯二代测序从头组装基因组
基因组组装 基因组组装一般分为三个层次,contig, scaffold和chromosomes. contig表示从大规模测序得到的短读(reads)中找到的一致性序列.组装的第一步就是从短片段(p ...
- 纯二代测序从头组装基因组(基础版)
基因组组装 基因组组装一般分为三个层次,contig, scaffold和chromosomes. contig表示从大规模测序得到的短读(reads)中找到的一致性序列.组装的第一步就是从短片段(p ...
- 测序故事:微生物基因组常见测序类型简介及案例分享(二)
测序技术的发展,在微生物基因组研究领域涌现出各种类型的项目:基因组扫描图.完成图.精细图.染色体水平组装--这么多的项目类型,怎样做选择呢?每种项目又可以给我们的研究提供什么样的支持呢?做完了基因组的 ...
最新文章
- PPP协议详解(转载)
- Script:收集11g Oracle实例IO性能信息
- [业界资讯]Window7下的IE8新漏洞KB973874成功修复
- 相机矫正_实战 | 我用位姿解算实现单目相机测距
- matlab交替隐式迭代,jQuery关于隐式迭代的个人理解~
- 使用Nginx过滤网络爬虫
- iOS:Masonry练习详解
- 《构建之法》阅读笔记
- Linux学习(2)常用的命令
- 负载均衡策略_高负荷小区负载均衡策略建议
- 服务器网页源代码被修改6,特洛伊木马服务器源代码(C#)
- Android Studio连接安卓模拟器教程
- 超五类和六类网线区别 什么样的网线好
- Jupyter Notebook切换conda虚拟环境
- 手机QQ iOS版默认不显示iPhone在线
- 使用ie浏览器打开chrome(谷歌)。
- 计算机专业考研难度排名?
- 服务器操作系统查询命令,服务器操作系统查询命令
- android获取各种路径的方法
- 维维豆奶做茶饮,是“转型”还是“割韭菜”?
热门文章
- java Base64加密解密中文乱码处理
- taobao.user.avatar.get
- “0基础考生考前三小时突破《申论》80分气哭学霸”——公文题(公文基础理论+方案类+总结类)
- 如何进行windows10 c盘清理?使用什么清理方法?
- VBA -[知识点]: 字典
- HDRP UI上渲染模型的解决方式及常见问题
- 量子计算之量子压缩编码(dense coding)
- 如何搭建用户体验指标体系?
- python柱形图绘制_Python数据分析:柱形图的绘制方法
- Postman做接口测试设置断言