Flye (19 Sep 2019) - 三代测序拼接

1. 简介

Flye 原名abruijn，是用于从头拼接以单分子实时测序为特征的如 PacBio and Oxford Nanopore Technologies 的第三代测序数据的软件，可以处理从小型细菌到大型哺乳动物的各种规模的长reads数据集；并且内含用于宏基因组的特殊元件。

2. 下载和安装

使用 conda 安装：

conda install flye

3. 参数详解

输入数据

• 可以是fasta或fastq的压缩或非压缩形式的文件

• 也支持从PacBio和ONT读取原始数据或更正后的数据。原始数据的错误率应该< 30%，更正后的reads的错误率应该低于2%。

• Oxford Nanopore data

• Consensus of multiple contig sets

• 必须提供预估基因组大小 （0.5倍-2倍范围内） ，用于k-mers选择。

• polishing iteration：默认迭代一次，增加迭代次数可以少量纠正额外错误

输入参数

待拼接文件类型和所在位置：

• --pacbio-raw path [path ...]

• --pacbio-corr path [path ...]

• --nano-raw path [path ...]

• --nano-corr path [path ...]

• --subassemblies path [path ...]

• 基因组预估大小： -g size, --genome-size

• 使用线程：-t int, --threads int

• polishing iteration次数： -i int, --iterations int

• minimum overlap between reads： -m int, --min-overlap int

• reduced coverage for initial disjointig assembly：--asm-coverage int，减少内存消耗 30x coverage is enough to produce good disjointigs。

• rescue short unassembled plasmids：--plasmids

• metagenome / uneven coverage mode：--meta

4. 示例

mkdir E.coli_PacBio_40x
cd E.coli_PacBio_40x
# 下载数据
wget \
-O E.coli.fasta \
https://zenodo.org/record/1172816/files/E.coli_PacBio_40x.fasta
# 拼接
flye \
--pacbio-raw E.coli.fasta \
--out-dir out_pacbio \
--genome-size 5m

需要内存（RAM）>2Gb, 基因组大小：4.6 Mb，需要时间：2 h

5. 输出结果

• assembly.fasta - Final assembly. Contains contigs and possibly scaffolds (see below).

• assembly_graph.{gfa|gv} - Final repeat graph. Note that the edge sequences might be different (shorter) than contig sequences, because contigs might include multiple graph edges (see below).

• assembly_info.txt - Extra information about contigs (such as length，id， coverage)