ALLPATHS-LG怎么安裝使用

這篇文章主要講解了“ALLPATHS-LG怎么安裝使用”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“ALLPATHS-LG怎么安裝使用”吧！

！

ALLPATHS-LG 是由Broad Institiute研究所發(fā)明的一款基因組組裝軟件，不論是細(xì)菌/真菌等小型基因組，還是動植物等大型基因組的組裝，它都能夠勝任。

和其他組裝軟件不同的是，allpaths-lg要求至少兩個文庫

• 第一個文庫的插入片段長度不能超過測序讀長的兩倍，這樣可以保證雙端測序的reads之間存在overlap，這樣的文庫類型稱之為fragment

• 第二個文庫的插入片段通常大于3kb,超長讀長有利于基因組的組裝，這樣的文庫類型稱之為jumping

  
  

除了插入片段外，allpaths-lg對測序深度也有要求，推薦100X以上。

在組裝時，對于硬件資源也有一定的要求，對于哺乳動物基因組，建議內(nèi)存大小為512G, 對于小基因組，建議內(nèi)存大小32G。

安裝過程如下

wget ftp://ftp.broadinstitute.org/pub/crd/ALLPATHS/Release-LG/latest_source_code/allpathslg-52488.tar.gz
tar xzvf allpathslg-52488.tar.gz
cd allpathslg-52488/
./configure --prefix=$(pwd)
make
make install

安裝好之后，在bin目錄下可以找到程序的可執(zhí)行文件。為了方便調(diào)用，可以把bin目錄添加到PATH環(huán)境變量中。官方提供了小的測試數(shù)據(jù)集, 可以幫助我們了解軟件的用法

wget ftp://ftp.broadinstitute.org/pub/crd/ALLPATHS/Release-LG/test.genome.tar.gz

allpaths-lg的運行分成以下兩步

1. 準(zhǔn)備輸入文件

在bin目錄下，有一個名為PrepareAllPathsInputs.pl的可執(zhí)行文件，這個文件就是用來準(zhǔn)備輸入文件的。這個文件需要讀取以下兩個文件

in_groups.csv，示例如下

        file_name, library_name, group_name
seq/frags.?.fastq, Solexa-25396, frags
seq/jumps.?.fastq, Solexa-11542, jumps

逗號分隔的3列文件，group_name代表每組的唯一的ID，library_name代表文庫的名字, file_name 代表序列文件，對于雙端測序的文件，可以使用通配符來表示R1端和R2端。

in_libs.csv, 示例如下

library_name, project_name, organism_name, type, paired, frag_size, frag_stddev, insert_size, insert_stddev, read_orientation, genomic_start, genomic_end
Solexa-25396, test, test.genome, fragment, 1, 180, 10, , , inward, 0, 0
Solexa-11542, test, test.genome, jumping, 1, , , 3000, 500, outward, 0, 0

逗號分隔的12列文件，library_name和in_groups.csv文件中的文庫名字相同，project_name代表項目名稱，organism_name代表組裝的物種名稱，type代表文庫類型，fragment代表插入片段短，存在overlap的文庫；jumping代表插入片段非常長的文庫，paired代表測序類型，0表示單端測序，1表示雙端測序；frag_size和frag_stddev只針對fragment文庫，分別表示插入片段長度的平均數(shù)和方差；insert_size和insert_stddev只針對jumping文庫，分別代表jumping文庫插入片段長度的均值和方差；read_orientation代表測序方向，genomic_start和genome_end用來過濾序列，小于genome_start和大于genome_end的序列會被過濾掉，在實際使用時，直接填0就可以了。

對于fragment和jumping 文庫，測序方向分別對應(yīng)inward和outward。

以上兩個文件根據(jù)自己的數(shù)據(jù)填寫好之后，就可以運行下面的代碼了

PrepareAllPathsInputs.pl \
DATA_DIR=$PWD/test.genome/data \
PLOIDY=1 \
IN_GROUPS_CSV=in_groups.csv \
IN_LIBS_CSV=in_libs.csv \
GENOME_SIZE=200000 \
OVERWRITE=True

DATA_DIR代表數(shù)據(jù)的存放目錄，要去必須是絕對路徑，test.genome必須和csv文件中的organism_name相同。PLOIDY代表染色體倍性，allpaths-lg目前只支持單倍體和二倍體。運行結(jié)束后，在輸出目錄會生成如下文件

├── frag_reads_orig.fastb
├── frag_reads_orig.pairs
├── frag_reads_orig.qualb
├── frag_reads_orig.source.txt
├── jump_reads_orig.fastb
├── jump_reads_orig.pairs
├── jump_reads_orig.qualb
├── jump_reads_orig.source.txt
├── ploidy
└── read_cache

每個文庫的序列會生成對應(yīng)的.fastb, .pairs, qualb三個文件；ploidy 記錄染色體倍性；read_cache 是臨時目錄。

2. 組裝

準(zhǔn)備好輸入文件之后，就可以進(jìn)行組裝了，命令如下

RunAllPathsLG \
PRE=$PWD\
REFERENCE_NAME=test.genome\
DATA_SUBDIR=data\
RUN=run\
SUBDIR=test\
TARGETS=standard\
OVERWRITE=True

上述命令中的5個參數(shù)構(gòu)成了如下的目錄結(jié)構(gòu)

PRE/REFERENCE_NAME/DATA_SUBDIR/RUN/SUBDIR

allpaths-lg通過這樣的目錄結(jié)構(gòu)來存放多個基因組組裝的結(jié)果。

組裝的結(jié)果保存在SUBDIR 目錄下，final.contigs.fasta對應(yīng)contig的結(jié)果，final.assembly.fasta對應(yīng)scaffold的結(jié)果。

感謝各位的閱讀，以上就是“ALLPATHS-LG怎么安裝使用”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對ALLPATHS-LG怎么安裝使用這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！