（全文约1300字）

【举荐】用Smudgeplot评估物种倍性后，用组合jellyfish+GenomeScope1.0做二倍体物种的基因组考察，用组合KMC+GenomeScope2.0做多倍体物种的基因组考察。

1. k-mer进行基因组考察的软件详情

k-mer进行基因组考察分为k-mer频数统计和基因组特色评估两步。

  • KMC能够实现第一步k-mer频数统计。
  • KMC的后果sample.histo能够用在GenomeScope上，实现第二步基因组特色评估。

2. KMC 简介

  • KMC是一个用来从FASTQ/FASTA文件中计算k-mers的基于KMC二进制数据库的程序。
  • KMC是波兰的Silesian University of Technology的算法和软件学院的REFRESH Bioinformatics Group开发的工具。
  • 2017年公布了第三个版本，KMC3。
  • KMC是次要基于C语言的程序。

3. KMC 装置

  1. 版本

    有两个版本的KMC，个别应用第一个版本，Smudgeplot评估物种倍性时用到了第二个版本。

  2. 一个是REFRESH Bioinformatics Group的refresh-bio/KMC。
  3. 一个是GenomeScope2.0的开发团队tbenavi1批改的tbenavi1/KMC

  4. 下载

    在KMC download找对应零碎的最新版本KMC软件，下载解压缩即可应用。

mkdir KMC && cd KMCwget https://github.com/refresh-bio/KMC/releases/download/v3.2.1/KMC3.2.1.linux.tar.gz #下载最新版本的KMCtar -xzf KMC3.2.1.linux.tar.gz #解压缩和解包，生成bin文件夹和include文件夹

  1. 应用

    解压缩后bin目录下会蕴含可执行文件，可间接应用，倡议退出环境变量，包含：

  2. bin/kmc：计算k-mer频数的主程序
  3. bin/kmc_dump：在kmc生成数据库中列出k-mers的程序
  4. bin/kmc_tools：容许操作kmc数据库的程序

4. KMC 运行

用KMC计算k-mer频率，生成k-mer频数直方表和k-mer直方图。

  1. 运行

    mkdir tmp #创立长期文件夹ls *.fastq.gz > FILES #用于剖析的clean reads门路保留到文件FILES中kmc -k21 -t16 -m64 -ci1 -cs10000 @FILES kmcdb tmp #计算k-mer频率kmc_tools transform kmcdb histogram sample.histo -cx10000 #生成k-mer频数直方表sample.histo和k-mer直方图
  2. kmc命令参数
  3. -k21：k-mer长度设置为21
  4. -t16：线程16
  5. -m64：内存64G，设置应用RAM的大抵数量，范畴1-1024。
  6. -ci1 -cs10000：统计k-mer coverages覆盖度范畴在[1-10000]的。
  7. @FILES：保留了输出文件列表的文件名为FILES
  8. kmcdb：KMC数据库的输入文件名前缀
  9. tmp：长期目录
  10. kmc_tools命令参数
  11. -cx10000：贮存在直方图文件中counter的最大值。

  12. 后果

    生成的sample.histo可用于第二步GenomeScope的剖析。

5. 基因组特色评估

取得k-mer频数散布表sample.histo后

  • 举荐用GenomeScope1.0或者GenomeScope2.0或者GenomeScope的R脚本来做基因组特色评估和画图。
  • 也可间接用R绘制sample.histo的频率散布直方图/频率散布曲线。

5.1. GenomeScope 网页版

5.1.1. GenomeScope1.0 网页版 —— 实用于二倍体物种

  1. 在GenomeScope1.0 网页版上传前一步取得的k-mer频数散布表sample.histo文件。
  2. 设置参数k-mer length为第一步抉择的k-mer长度值，这里是17；参数Read length为序列读长，个别为150；最初一个参数Max kmer coverage倡议批改成更大的10000，以统计更多的k-mers。
  3. 结果显示预估的基因组大小，杂合度，反复率等信息。

5.1.2. GenomeScope2.0 网页版 —— 实用于多倍体物种

GenomeScope2.0 网页版也是相似的步骤。

5.2. R绘制

  • R绘制k-mer频数散布曲线初步查看基因组特色。
  • 取得kmer_plot.png为频数散布曲线，可依据曲线峰值对基因组大小进行计算和预估。
#R 脚本示例kmer <- read.table('sample.histo')kmer <- subset(kmer, V1 >=5 & V1 <=500) #对频数范畴5-500的数据进行绘制 Frequency <- kmer$V1Number <- kmer$V2png('kmer_plot.png')plot(Frequency, Number, type = 'l', col = 'blue')dev.off()

6. references

  1. KMC3 paper：https://academic.oup.com/bioi...
  2. refresh-bio/KMC：https://github.com/refresh-bi...
  3. tbenavi1/KMC github：https://github.com/tbenavi1/KMC