Linux与生物信息组学基因组组装

10x scaffolding系列3:使用tigmint纠错并进

2022-10-30  本文已影响0人  卖萌哥

背景介绍

这篇应该是10x genomics数据辅助基因组组装的最后一篇,tigmint也是这些软件之中效果最好的一个,属于压箱底的好工具。并且这个软件是个活着的软件,相比于那些GitHub上最后更新时间是两三年前的软件而言,它还在不断地动态更新中,在我写这篇内容的2022年10月30日的时候,这个软件在3天前刚刚提交了一次更新。

而且tigmint安装起来也愈加地方便了,最初使用它的时候甚至只能用源码安装或者brew,现如今也支持conda一键安装了。

这里顺便提一下tigmint的开发者,是Shaun Jackman,根据他的简历(https://sjackman.ca/resume/), 他现在是10x genomcis的高级计算生物学家职位,之前提到过的ARCS/ARKS也是他开发的。也难怪tigmint处理10x数据的表现如此优秀了。

根据GitHub上的介绍,tigmint不但可以用10x的数据,也可以使用nanopore数据。
tigmint的主要作用是识别并纠正错误组装。将10x/nanopore数据比对到基因组上之后,从比对结果中推断出DNA大分子(large DNA molecules)范围的,因为跟单独的序列相比,DNA大分子的物理覆盖位置更一致,更不容易出现覆盖缺失的情况。在没有覆盖到的位置把基因组给断开。tigmint会以bed文件的格式输出需要切割的断点位置。而在运行tigmint的时候可以选择结合使用ARCS或者ARKS做后续的处理,当然也可以单独使用tigmint纠错。

软件安装

GitHub地址:https://github.com/bcgsc/tigmint

文章地址:https://bmcbioinformatics.biomedcentral.com/articles/10.1186/s12859-018-2425-6

conda install -c bioconda tigmint arcs links abyss seqtk

软件运行

前期处理

输入文件要先把10x的原始数据用longranger basic进行处理,处理完之后就可以直接输给tigmint进行组装了。

longranger basic的使用可以参考10x的官网:

https://support.10xgenomics.com/genome-exome/software/pipelines/latest/advanced/other-pipelines

运行tigmint-make

tigmint-make的命令主要有3种模式:

tigmint-make arcs draft=test.hic.hap2.p_ctg reads=10x_longranger_basic

注意事项

  1. draft和reads都只能是文件名,不能带后缀,否则会报错。
  2. draft(即基因组文件)得是.fa结尾的,如果是.fasta,记得改成.fa才能运行,否则会报找不到基因组文件的错误。
  3. 环境中安装的samtools的版本不能太低,samtools sort命令里得有-t选项,似乎samtools的1.9或者1.10版本之后才更新出这个选项,老版本的samtools运行到后面会报找不到-t选项的错误。
  4. 运行过程中可能会遇到/tmp满了无法继续写入文件而中断的问题,解决办法是在有空间的位置设置一个临时文件夹,把中间文件写到我们自己设置的临时文件夹中去。
mkdir tmpdir
# 记得把这一句写入环境变量中哦。
export TMPDIR=/path/to/tmpdir

萌哥碎碎念

  1. 我尝试过tigmint-make arcstigmint-make arcs-longarcs-long的结果里会引入更多的N,如果你后面还有Hi-C数据的话,没有必要在这一步里引入不必要的N,反正后面该打断该连不上的都是会现出原形的。
  2. 如果你是手动安装的ARCS,安装的过程中可能会遇到sparsehash找不到的错误,但是这个不影响ARCS的使用。因为这个依赖是ARKS所需要的,所以如果报错了,只是影响ARKS的使用,ARCS还是能正常使用的。一般而言,从结果来看,ARCS要比ARKS要好,只是ARKS更快罢了。
上一篇 下一篇

猜你喜欢

热点阅读