三代测序组装工具Canu学习笔记
三代测序组装工具Canu学习笔记
kongxx
发布于 2019-03-20 10:09:15
发布于 2019-03-20 10:09:15
Canu简介
Canu是Celera的继任者，能用于组装PacBio和Nanopore两家公司得到的测序结果。
Canu分为三个步骤：纠错，修整和组装。
下载测试数据
# 下载 pacbio 测试数据
wget -c http://gembox.cbcb.umd.edu/mhap/raw/ecoli_p6_25x.filtered.fastq -O pacbio.fastq
# 下载 nanopare 测试数据
wget -c http://nanopore.s3.climb.ac.uk/MAP006-PCR-1_2D_pass.fasta -O oxford.fasta环境准备
为了测试方便，这里没有从 Canu 的源码编译，而是直接使用的 Docker 容器来测试。
注册 quay.io 账号
为了从 quay.io 获取 Canu 镜像，需要先注册一个账号，注册比较简单，就是填个表格就行了。
下载 Docker 镜像
sudo docker login quay.io
sudo docker pull quay.io/biocontainers/canu:1.7.1--pl526h470a237_0运行容器
在上面下载的数据文件同级目录下运行下面命令来启动一个容器
sudo docker run -it --rm -v `pwd`:/canu quay.io/biocontainers/canu:1.7.1--pl526h470a237_0 bash测试
参数说明
- genomeSize：设置预估的基因组大小，这用于让Canu估计测序深度；
- maxThreads：设置运行的最大线程数；
- rawErrorRate：用来设置两个未纠错read之间最大期望差异碱基数；
- correctedErrorRate：则是设置纠错后read之间最大期望差异碱基数，这个参数需要在 组装 时多次调整；
- minReadLength表示只使用大于阈值的序列，minOverlapLength表示Overlap的最小长度。提高minReadLength可以提高运行速度，增加minOverlapLength可以降低假阳性的overlap。
- corOutCoverage: 用于控制多少数据用于纠错；
- correctedErrorRate：设置序列的错误率；
使用 PacBio 数据测试
纠错
canu -correct \
-p ecoli -d ecoli-pacbio \
corThreads=32 corOutCoverage=120 corMinCoverage=2 \
gnuplotTested=true \
genomeSize=120m minReadLength=2000 minOverlapLength=500 \
maxMemory=500g maxThreads=32 \
ovsMemory=1-32G ovsThreads=16 ovsConcurrency=16 \
ovbMemory=1g ovbConcurrency=16 oeaThreads=16 \
-pacbio-raw pacbio.fastq修整
canu -trim \
-p ecoli -d ecoli-pacbio \
gnuplotTested=true \
genomeSize=120m minReadLength=2000 minOverlapLength=500 \
maxMemory=500g maxThreads=32 \
ovsMemory=1-32G ovsThreads=16 ovsConcurrency=16 \
ovbMemory=1g ovbConcurrency=16 oeaThreads=16 \
-pacbio-corrected ecoli-pacbio/ecoli.correctedReads.fasta.gz组装
canu -assemble \
-p ecoli -d ecoli-pacbio \
gnuplotTested=true \
genomeSize=120m minReadLength=2000 minOverlapLength=500 \
maxMemory=500g maxThreads=32 \
ovsMemory=1-32G ovsThreads=16 ovsConcurrency=16 \
ovbMemory=1g ovbConcurrency=16 oeaThreads=16 \
correctedErrorRate=0.050 \
-pacbio-corrected ecoli-pacbio/ecoli.trimmedReads.fasta.gz使用 Oxford Nanopore 数据测试
纠错
canu -correct \
-p ecoli -d ecoli-oxford \
corThreads=32 corOutCoverage=120 corMinCoverage=2 \
gnuplotTested=true \
genomeSize=120m minReadLength=2000 minOverlapLength=500 \
maxMemory=500g maxThreads=32 \
ovsMemory=1-32G ovsThreads=16 ovsConcurrency=16 \
ovbMemory=1g ovbConcurrency=16 oeaThreads=16 \
-nanopore-raw oxford.fasta修整
canu -trim \
-p ecoli -d ecoli-oxford \
gnuplotTested=true \
genomeSize=120m minReadLength=2000 minOverlapLength=500 \
maxMemory=500g maxThreads=32 \
ovsMemory=1-32G ovsThreads=16 ovsConcurrency=16 \
ovbMemory=1g ovbConcurrency=16 oeaThreads=16 \
-nanopore-corrected ecoli-oxford/ecoli.correctedReads.fasta.gz组装
canu -assemble \
-p ecoli -d ecoli-oxford \
gnuplotTested=true \
genomeSize=120m minReadLength=2000 minOverlapLength=500 \
maxMemory=500g maxThreads=32 \
ovsMemory=1-32G ovsThreads=16 ovsConcurrency=16 \
ovbMemory=1g ovbConcurrency=16 oeaThreads=16 \
correctedErrorRate=0.050 \
-nanopore-corrected ecoli-oxford/ecoli.trimmedReads.fasta.gz使用 spec 定义参数
spec 文件
创建一个 spec 文件，比如：myspec.txt，内容如下：
useGrid=1
gridOptions=-S /bin/bash -q all.q -l mem_free=32g
gridEngineThreadsOption=-pe mpi THREADS
gridEngineMemoryOption=-l mem_total=MEMORY
ovbMemory=8g
maxMemory=64g
maxThreads=32
ovsMemory=8-64g
ovsThreads=4
oeaThreads=4使用 spec 文件测试
# 使用 PacBio 数据测试
canu -s myspec.txt -p ecoli -d ecoli-pacbio gnuplotTested=true genomeSize=120m -pacbio-raw pacbio.fastq
# 使用 Oxford Nanopore 数据测试
canu -s myspec.txt -p ecoli -d ecoli-oxford gnuplotTested=true genomeSize=120m -nanopore-raw oxford.fasta本文参与 腾讯云自媒体分享计划，分享自作者个人站点/博客。
原始发表：2019.03.18 ，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读