首页 > 代码库 > 组装三代番木瓜基因组——by Serenity

组装三代番木瓜基因组——by Serenity

# 估算测序深度、reads数目、N50等值(自写perl程序):

$ perl ~/TangerScript/fqStat -i sunset.raw.subreads.fastq -g 372m

统计结果如下:

技术分享

技术分享

# 基因组组装三步走1. Correction 2. Assembly 3. Polish 

## Step1: canu组装(1. Correction 2. Assembly)

$ (nohup) canu -s spec.txt -p sunset -d sunset-auto genomeSize=400m -pacbio-raw sunset.raw.subreads.fastq &

$ cat spec.txt  注:spec文件为配置文件,根据不同服务器设置不同的参数。

技术分享

   ### 组装初步结果如下(自写perl程序)

$ cd /public1/home/Serenity/Sunset_Assembly/Canu-sunset-auto-201704

$ perl ~/perl_scripts/faSize.pl sunset.contigs.fasta

技术分享

   ### 抽取unassembled.fasta中reads>5的contigs(自写python程序)

$ python ~/python_scripts/extract_faread_filter.py sunset.unassembled.fasta

   ### 将上一步结果与 sunset.contigs.fasta合并

$ cat sunset.contigs.fasta sunset.unassembled.fastareadfilter > sunset.all.contigs.fasta

 

## Step2: 第一轮矫正(3. Polish): quiver——取至少50x的三代数据做校正

$ cd /public1/home/Serenity/Sunset_Assembly/Canu-sunset-auto-201704/canu-quiver

$ ln -s ../sunset.all.contigs.fasta .

$ perl ~/TangerScript/runQuiver.pl -i sunset.all.contigs.fasta -d /public4/zhangxt/DATA/Papaya/sunset/baxh5 -t 16    注:run Quiver矫正,-t 设置节点数16-24

$ for i in {1..27};do qsub script/script.${i}.pbs; done     注:结束后检查outcmp里面的文件数目,检查无误后提交quiver.sh脚本

$ qsub quiver.sh   注:结束后得到consensus.fasta文件便是quiver校正后的基因组文件

技术分享

  

## Step3: 第二轮矫正(3. Polish): pilon——取至少50x的二代数据做校正

$ cd /public1/home/Serenity/Sunset_Assembly/sunset-reseq-raw-data

   ### 首先统计read长度、read数目、总碱基数

$ zcat papaya_S1FR_CAGATC_L000_R1.fastq.gz | awk ‘NR==2{a=length($1)}END{print "read length:"a"\nread num:"NR/4"\ntotal base:"a*NR/4*2"\n"}‘ > papaya_S1FR_CAGATC_L000_R1.fastq.gz.qstat.txt

$ cat papaya_S1FR_CAGATC_L000_R1.fastq.gz.qstat.txt   注:测序深度=total base/372000000

技术分享

   ### bwa mem进行align

$ bwa index -a bwtsw consensus.fasta

$ bwa mem -t 24 -R ‘@RG\tID:S1FR_CAGATC\tSM:S1FR_CAGATC\tPL:Illumina\tLB:lib1‘ consensus.fasta papaya_S1FR_CAGATC_L000_R1.fastq.gz papaya_S1FR_CAGATC_L000_R2.fastq.gz > papaya_S1FR_CAGATC_L000.sam

$ samtools view -bS papaya_S1FR_CAGATC_L000.sam > papaya_S1FR_CAGATC_L000.bam

$ samtools sort papaya_S1FR_CAGATC_L000.bam -o papaya_S1FR_CAGATC_L000.sorted.bam

$ samtools index papaya_S1FR_CAGATC_L000.sorted.bam

$ qsub run_pilon.sh

$ cat run_pilon.sh    注:在本实验室服务器指定13节点或者14节点,因为这两个节点内存比较大,java设置内存300G,线程设置12以上 

技术分享

 

   ### 组装最终结果如下:

 $ perl ~/perl_scripts/faSize.pl sunset_pilon.fasta

技术分享

  注:N50大概达到了1.2M,总基因组大小大概组装到了330M

 

 

 

                                             

 

组装三代番木瓜基因组——by Serenity