quast评估

背景

不同软件拼接的基因组序列，或者同一软件，不同选项参数拼接的结果进行比较，我们要从中挑选出最好的拼接结果。这时候要借助不同的软件。

一、组装结果评估

1、准确性

基因组大小接近真实大小，拼出来的一般小于真实大小；

GC含量接近真实GC含量，一个物种含量固定，可以判断污染；

基因组框架没有问题；

单碱基准确性，首先保证框架不错，单碱基位点可以纠错。

2、完整性

拼接序列条数接近染色体数据；

片段长度长；

N50，N90长；

基因完整性高；

一般是互斥的，准确性高完整性低，准确性低完整性高。

1、首先保证准确性；

2、在保证准确性前提下，追求完整性。

二、N50与N90

N50：N50是基因组拼接之后一个评价指标，将拼接得到的所有的序列，根据序列大小从大到小进行排序，然后逐步开始累加，当加和长度超过总长一半时，加入的序列长度即为N50长度。N50越长，拼接得到的更长的序列越多，类似的还有N90等

一般软件都有统计的结果可以找下日志。

三、quast评估

今天给大家介绍一款，quast

QUAST: Quality Assessment Tool for Genome Assemblies，可以对不同软件拼接的基因组序列，或者同一软件，不同选项参数拼接的结果进行比较，然后将结果进行可视化，我们可以从中挑选出最好的拼接结果。如果有近源参考序列，加入近源参考序列，可以比较基因组结构连接信息，与参考序列最近源的则为最佳结果。如果没有参考序列，软件会将两两序列进行比较。

软件官网：QUAST：http://bioinf.spbau.ru/quast

#quast 评估案例：
quast.py -r MGH78578.fasta spades.fa soapdenovo.fa -o quast

-o --output-dir 输出结果目录。

-r 参考序列文件,不带的话，结果就没有和参考序列比较，只是spade和soapdenovo比较。

-G --genes 参考序列基因坐标，一般 BED 或者 GFF 格式文件，ncbi下载genome即可。

-m --min-contig 最小 contig 长度，也就是小于这个阈值的不参与计算。

-t --threads 使用线程数目，默认使用四分之一的 cpu。

--help 列出全部选项参数，大部分情况下，默认这些选项即可。

结果report.html，可以去浏览器打开。

#quast
conda activate quast
quast -o quast -r GCF_000240185.1_ASM24018v2_genomic.fna -t 12 -g GCF_000240185.1_ASM24018v2_genomic.gff soapdenovo.fa spades.fa  --glimmer

写在最后：有时间我们会努力更新的。大家互动交流可以前去论坛，地址在下面，复制去浏览器即可访问，弥补下公众号没有留言功能的缺憾。

bioinfoer.com

有些板块也可以预设为大家日常趣事的分享等，欢迎大家来提建议。