Jellyfish+genomescope2.0运用kmer分布预估物种基因组大小
猫腻需要更多的学习
编辑于 2023年12月26日 05:57
收录于文集
共38篇

运用kmer分析分布来预估基因组大小的原理和分布图的解读可以参考下面两个华大的教程视屏。

利用测序深度和泊松分布模型预估测序数据量​

kmer分析方法及应用范围​


Jellyfish的安装和使用可以

参考网页:https://zhuanlan.zhihu.com/p/506725567

genomescope有网页版: http://qb.cshl.edu/genomescope/

但是不知道是不是网络原因,网页版我投任务后不出结果……

genomescope2.0安装起来有些许麻烦,因为是R脚本需要R环境,

参考网页:https://www.jianshu.com/p/2586187a750f

安装genomescope2.0前先解决R环境问题

代码块
Shell
自动换行
复制代码
R --version #先看看有没有下过R,有的话会显示当前版本,没有的话会提示你下载

#没有就下载
sudo apt install r-base #然后就会下载最新版本

cd “genomescope2.0的文件夹路径”

#然后安装genomescope
Rscript install.R

###如果没有看到  Done(genomescope)就要注意了,我就遇到这种情况,检查返回的信息,我这里提示有两个R包安装失败,minpack.lm 和 argparse 这两个。下面需要先把这两个安装上

R #进入R环境界面
> install.packages("minpack.lm")
#因为是sudo安的rbase,可能会问是否在自己的目录下安装:Would you like to use a personal library instead? (yes/No/cancel)  输入yes就行了,反正自己能用,先别管别的账号能不能用
> install.packages("argparse")
#同理,中途要输个yes才会继续
##我这里只提示缺这两个,不排除缺别的可能,缺啥下啥应该就行了
> q() #退出R环境


#重新输入Rscript install.R 确保安装完成
复制成功


解决好软件安装问题就开始运行

可以先看一下jellyfish的用法

因为下机得到的是*.fq.gz文件,需要输入的事fq文件,他这里的-g参数我不会用,老老实实地先将gz文件解压

代码块
Shell
自动换行
复制代码
gunzip *.fq.gz
#或者保留原压缩文件,则
gunzip -c filename.fq.gz > filename.fq
复制成功

jellyfish 使用示例

代码块
Shell
自动换行
复制代码
jellyfish count -m 21 -s 1G -t 4 -F 2 -o k21.jf -C 1_1.clean.fq 1_2.clean.fq #kmer长度21,哈希文件大小1G(不知道会有啥影响),线程4(好多示例教程都是10,会快一些),同时读取两个文件(好像没影响),输出文件名k21.jf,解压后测序的fq文件路径(双端测序只给一个的话结果也会变成一半,说实话这一结果没搞明白为什么:同一段我正过去反过来就变成两个不同的了,不就是单纯的加倍了吗,难道是刚好抵消二倍体的等位重复吗) 
jellyfish histo -t 10 k21.jf -o k21.histo #线程数10,输入>输出 
Rscript /home/softwares/genomescope2.0/genomescope.R -i k21.histo -k 21 -o . #调用genomescope的R脚本需要绝对路径,默认二倍体,如果算多倍体需要用-p 设置,(三倍体就加上-p 3),kmer长21,输出结果至本地文件夹 cat summary.txt #查看结果,另外还有4个图
复制成功

看看线形图就可以了

该物种先前的全基因组装为 518.19 Mb,先前研究的预测有 553.75 Mb。

我的预测跟已有的结果出入还是比较大的,不过存在重复序列的预测还是可靠地,杂合峰也是符合预期的,总体来说还是有一定的参考价值的。