一．Minia簡介

基因組組裝一般分為三個(gè)水平，contig, scaffold和chromosomes。contig表示從大規(guī)模測序得到的短讀(reads)中找到的一致性序列，組裝的第一步就是從短片段(pair-end)文庫中組裝出contig。進(jìn)一步基于不同長度的大片段(mate-pair)文庫，將原本孤立的contig按序前后連接，其中會(huì)調(diào)整contig方向以及contig可能會(huì)存在開口(gap,用N表示)，這一步會(huì)得到scaffolds, 就相當(dāng)于super-contigs和meta-contigs。最后基于遺傳圖譜或光學(xué)圖譜或者Hi-C技術(shù)，將scaffold合并調(diào)整，形成染色體級(jí)別的組裝(chromosome).

目前二代測序組裝基因組的工具的核心基礎(chǔ)，是基于De Bruijn graphs法，包擴(kuò)velvet, Soapdenovo, ABYSS及Minia等。Minia是內(nèi)存資源最省的工具，其精確度和連續(xù)性與其他基因de Bruijn圖的組裝工具(如Velvet)相似，輸出是一組contigs。在臺(tái)式電腦上組裝人類基因組contig居然只要5.7G的RAM，運(yùn)行23小時(shí)，簡直難以相信。

Minia軟件是基于de Bruijn圖原理的短序列組裝工具，優(yōu)于以前的ABySS和SOAPdenovo，關(guān)鍵是速度非?？?，十幾分鐘就OK了，不消耗計(jì)算機(jī)資源，所以這里就選擇它啦。

二．Mina下載安裝及運(yùn)行

下載及安裝

下載地址：https://github.com/GATB/minia

下載后tar-zxvf *.tar.gz解壓后，通過cmake進(jìn)行編譯后就能使用。

腳本：

參數(shù)解釋：

用到了兩個(gè)部分的參數(shù)設(shè)置：

-in? data.list 記錄了數(shù)據(jù)存放的位置及數(shù)據(jù)名稱

--nb-cores: number of cores? [default '0']

結(jié)果：

圈紅的文件為我們要的初步組裝的基因組序列文件, 共有44905595條序列。

Unitigs:

Minia will also output unitigs, in the FASTA format. They correspond to non-branching paths in the de Bruijn graph prior to any graph simplication. File:[prefix].unitigs.fa.

也就是在構(gòu)建de Bruijn圖時(shí)，圖的非分支路徑表示的字符串，也稱為unitigs。

三．使用prinseq組裝序列評(píng)估

四．結(jié)果：

五．報(bào)錯(cuò)信息：

一開始我在-in 時(shí) 直接指定了測序的R1/R2端fq.gz文件，結(jié)果總是報(bào)錯(cuò)，錯(cuò)誤信息如下：

Minia 3, git commit b55a246

ERROR: Unknown parameter '

后來發(fā)現(xiàn)，對(duì)minia而言，雙端序列文件屬于多個(gè)文件了，需要寫一個(gè)txt文件記錄多個(gè)文件的信息，路徑和文件名。

我們看一下minia的manaul手冊(cè)上的描述：

https://github.com/GATB/minia/raw/master/doc/manual.pdf

FASTA/FASTQ

Minia assembles any type of Illumina reads, given in the FASTA or FASTQ format. Giving paired or mate-pairs reads as input is OK, but keep in mind that Minia won't use pairing information.

Multipe Files

Minia can assemble multiple input _les. Just create a text _le containing the list of read _les, one _le name per line, and pass this list as the _rst parameter of Minia (instead of a FASTA/FASTQ _le). Therefore the parameter input_file can be either (i) the read _le itself (FASTA/FASTQ/compressed),or (ii) a _le containing a list of _le names.

本文使用 文章同步助手 同步