叶绿体基因组组装

getorganelle组装叶绿体基因组

安装

conda install -c bioconda getorganelle

安装叶绿体基因组databases

get_organelle_config.py --add embplant_pt

NCBI测试数据下载

从网上随机找了一篇文章 进行组装
文章链接

# download data
prefetch SRR15255748.sra
# split files
fasterq-dump --split-3  SRR15255748.sra
# after split 
# SRR15255748_1.fastq  SRR15255748_2.fastq

软件运行

get_organelle_from_reads.py  -1 SRR15255748_1.fastq -2 SRR15255748_2.fastq  -k 21,77,127 -o results -t 30 -R 25 -F embplant_pt

组装结果

使用Bandagegfa/fastg 结果文件进行查看

getorganelle组装结果

IR区域 拆分之后 就可以行成叶绿体的环状结构
两种解环方式

IR拆分之后就行成了两种成环方式,这也是为什么getorganelle会给出两条序列的原因,两条序列的差异在于SSC的方向。 因此我们需要对得到的两条序列做共线性分析。选择一条和参考相同的,或者NCBI用的比较多的一种方式 进行下一步分析。

选用参考自己做组装

参考序列下载

选用近缘的物种作为参考物种 这里选用 NC_063470.1 做为参考物种

数据处理

# build index  
bowtie2-build  test.fa  ref # test.fa NC_036134.1
# mapping
bowtie2 -x ref --very-sensitive-local -1 SRR15255748_1.fastq -2 SRR15255748_2.fastq  > mapping.sam
# sam to bam
samtools view -h -F 4 -@ 6 mapping.sam  > mapping.bam
# bam to fastq
samtools fastq -1 1.fq -2 2.fq -s unmapped.fq mapping.bam

SPAdes组装

spades.py -k 21,77,127 -1 1.fq  -2 2.fq -t 30 -o results

组装结果

使用Bandagegfa/fastg 结果文件进行查看

SPAdes组装结果

然后按照上面的处理方式 就可以得到相同的结果 如果序列前端和序列后端有一条Kmer是相似的 需要删除该Kmer

写在结尾

序列组装好之后 鉴定叶绿体的四个区域,然后序列调整LSC的第一个碱基 作为序列的开始, 接着就可以进行注释等后续分析。

当序列复杂度比较高时,使用getorganelle无法成环或者成环数比较多时(失败的原因是多种多样的),需要自己进行纠正!!!

如果大家有想做的分析,也可以私信我哦 。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,686评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,668评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,160评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,736评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,847评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,043评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,129评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,872评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,318评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,645评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,777评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,470评论 4 333
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,126评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,861评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,095评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,589评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,687评论 2 351

推荐阅读更多精彩内容