文献笔记三十三:结合二代三代测序数据组装叶绿体基因组

文章

Assembly of chloroplast genomes with long- and short-read data: a comparison of approaches using Eucalyptus pauciflora as a test case
2018 BMC Genomics
Australian National University

研究内容

Eucalyptus pauciflora为例,探索组装叶绿体基因组最有效的方法

DNA提取测序
  • 二代测序
    leaves
    total DNA
    150bp paired-end sequencing with a roughly 400 bp insert size
    质控
  • 三代测序
    High molecular weight DNA
    Libraries were prepared according to the ONT 1D ligation library protocol.
    质控
组装方法
  • 二代测序数据
    unicycler软件
  • 三代测序数据
    Hinge软件: an assembler designed for solving the long repeats problem in long-read assemblies of circular genomes
    Canu软件
  • 结合二代三代数据
    unicycler软件
软件安装
  • unicycler
## 创建虚拟环境
conda create -n chloroAssembly python=3.6
conda activate chloroAssembly
conda install unicycler
###删除虚拟环境 conda remove -n chloroAssembly --all
试着运行unicycler软件主页中的例子

https://github.com/rrwick/Unicycler
使用的数据可以在软件主页找到下载链接

unicycler -1 short_reads_1.fastq -2 short_reads_2.fastq -l long_reads_high_depth.fastq -o output_dir -t 16

数据是Helicobacter pylori,在NCBI查了一下基因组大小1,667,867bp,使用unicycler的组装结果

grep ">" assembly.fasta
>1 length=1645796 depth=1.00x circular=true

稍微有点差别,可能是不同的株系吧我猜


graph.png

下载Eucalyptus pauciflora的全基因组测序数据

三代测序数据
wget ftp://ftp.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/SRR/SRR715/SRR7153095/SRR7153095.sra
fasterq-dump SRR7153095.sra -p

检查三代测序数据质量,使用到的是fastqc软件,原来fastqc软件还可以用于三代测序数据

mkdir qcResult
fastqc SRR7153095.sra.fastq -o qcResult -t 8

去除接头,用到的软件是porechop
https://github.com/rrwick/Porechop

conda install porechop
porechop -i SRR7153095.sra.fastq -o longReadsRemoveAdapter.fastq -t 8

数据过滤,质量值大于9,最小长度5000,使用到的软件是nanofilt

conda install nanofilt
bgzip longReadsRemoveAdapter.fastq
zcat longReadsRemoveAdapter.fastq.gz | NanoFilt -q 9 -l 5000 > longReadsRemoveAdapterTrim.fastq
二代测序数据

数据下载

wget ftp://ftp.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/SRR/SRR715/SRR7153063/SRR7153063.sra
fasterq-dump --split-files SRR7153063.sra -p
wget ftp://ftp.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/SRR/SRR715/SRR7153071/SRR7153071.sra
fasterq-dump --split-files SRR7153071.sra -p

数据过滤,不按照论文中提供的脚本来了,直接使用fastq软件进行过滤了
软件主页 https://github.com/OpenGene/fastp

fastp -i SRR7153071.sra_1.fastq -I SRR7153071.sra_2.fastq -o shortReads71_R1.fastq -O shortReads71_R2.fastq
fastp -i SRR7153063.sra_1.fastq -I SRR7153063.sra_2.fastq -o shortReads63_R1.fastq -O shortReads63_R2.fastq

未完待续 ......

20200105继续

数据预处理做完了,接下来是从总DNA里提取数据叶绿体基因组的reads

论文里使用到31个Eucalyptus叶绿体基因组作为参考序列,我这里直接使用论文的组装结果一条序列作为参考,另外论文里还写到

The chloroplast genome is circular, but alignment algorithms rely on linear genomes. Simple linearization of the reference set would risk failing to capture reads that span the point at which the genomes were circularized. To avoid this, we duplicated and concatenated the sequence of each genome in the reference set.

论文中的组装结果也可以直接在论文里提供的github主页上下载到

三代测序数据筛选叶绿体基因组reads,使用到的软件是 blasr
conda install blasr
blasr longReadsRemoveAdapterTrim.fastq ../reference/epauCPgenome.fasta --nproc 8 --bestn 1 -m 1 --minMatch 15 --minAlnLength 5000 --out longReads.blasr.out
conda install seqtk
awk '{print $1}' longReads.blasr.out > subsetid.txt
seqtk subseq longReadsRemoveAdapterTrim.fastq subsetid.txt > longReadsCPgenome.fastq
二代测序数据提取叶绿体基因组reads,使用到的软件是bowtie2
bowtie2-build epauCPgenome.fasta epau
bowtie2 -q -x epau -1 ../short_reads/shortReads63_R1.fastq -2 ../short_reads/shortReads63_R2.fastq -p 8 -S shortReads63.sam
samtools view -S -b -o shortReads63.bam shortReads63.sam
samtools sort -@ 4 -O bam -o shortReads63.sorted.bam shortReads63.bam
samtools index shortReads63.sorted.bam
samtools view -u -f 1 -F 12 shortReads63.sorted.bam > shortReads63.sorted.aligned.bam
conda install bedtools
samtools sort -n -O bam -o shortReads63.sortedbyname.aligned.bam shortReads63.sorted.aligned.bam ###-n参数sort bam文件按照reads的名字
bamToFastq -i shortReads63.sortedbyname.aligned.bam -fq mappedcpR1.fastq -fq2 mappedcpR2.fastq
数据组装
单纯用三代测序数据
canu -p dd -d onlylongreads genomesize=160k -nanopore-raw longReadsCPgenome.fastq
组合二代三代测序数据
unicycler -1 ../reference/mappedcpR1.fastq -2 ../reference/mappedcpR2.fastq -l ../long_reads/longReadsCPgenome.fastq -o output_dir -t 16

结果

grep ">" assembly.fasta
>1 length=159945 depth=1.00x circular=true

论文中提到的最终组装长度为159942bp.
欢迎大家关注我的公众号
小明的数据分析笔记本

公众号二维码.jpg

最后编辑于
©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 211,948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 90,371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 157,490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 56,521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 65,627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 49,842评论 1 290
  • 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 38,997评论 3 408
  • 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 37,741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 44,203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 36,534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 38,673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 34,339评论 4 330
  • 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 39,955评论 3 313
  • 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 30,770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 32,000评论 1 266
  • 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 46,394评论 2 360
  • 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 43,562评论 2 349

推荐阅读更多精彩内容