velvet软件进行基因组组装

欢迎关注"生信修炼手册"！

velvet是由EMBL-EBI开发的一款基因组组装工具，官网如下

https://www.ebi.ac.uk/~zerbino/velvet/

安装过程如下

wget https://www.ebi.ac.uk/~zerbino/velvet/velvet_1.2.10.tgz
tar xzvf velvet_1.2.10.tgz
cd velvet_1.2.10/
make 'MAXKMERLENGTH=127'

默认情况下，velvet支持的kmer最大长度为31bp, 如果想要只会更大长度的kmer,在编译时需要设置MAXKMERLENGTH的值。编译完成后，会生成如下两个可执行文件

1. velveth
2. velvetg

软件的运行过程对应的也分成两步

1. velveth

用法如下

velveth Assem 31 -shortPaired -fasta -separate left.fa right.fa

第一个参数Assem, 代表输出结果的目录；shortPaired指定测序类型，fasta指定输入的序列格式。

对于二代测序平台的数据，常用的测序类型包括以下两种情况

1. short
2. shortPaired

short用于单独数据，shortPaired用于双端数据。输入的序列文件支持以下格式：

1. fasta/fasta.gz
2. fastq/fastq.gz
3. sam/bam

通过不同的参数指定输入文件的格式，-fasta对应fasta格式；-fastq对应fastq格式，-fastq.gz对应fastq.gz格式，-fasta.gz对应fasta.gz格式，-sam对应sam格式，-bam对应bam格式。

对于双端数据，有以下两种格式

1. interleaved
2. separate

R1和R2端序列保存在两个文件中，就是separate格式；interleaved是双端序列的一种格式，R1端和R2端的序列保存在一个文件当中，每一条序列的R1端之后紧跟着就是R2端序列；对于双端测序，默认是interleaved格式，如果是separate格式，要显示的声明。

还需要注意的一个用法就是kmer长度，在实际分析时，通常会采用一系列的kmer长度分别组装，然后挑选一个最佳的结果。velvet 的kmer参数可以设置为一个梯度，示例如下

velveth Assem 31,37,2 -shortPaired -fasta -separate left.fa right.fa

上述用法中的31,37,2表示从kmer=31开始组装，然后进行递增，步长为2，依次进行33, 35， 37共4个kmer长度的组装。这样的参数设计非常的贴合实际需求。

运行结束后，会在输出目录生成以下文件

1. Sequences
2. Roadmaps

2. velvetg

基本用法如下

velvetg Assembly/ -min_contig_lgth 100

第一个参数为上一步的输出目录，min_contig_lgth代表contig的最小长度，小于该长度的contig会被删除，不会出现在最终的结果中。更多的参数和用法请参考官方手册。

运行结束后，输出目录下的contigs.fa就是最终的组装结果。