GapFiller

Posted 2021-03-07 bio-mary

1. GapFiller简介

组装出来的基因组草图的scaffold需要进一步进行gaps的close。进行这样功能的软件有：SOAPdenovo GapCloser v1.12r6; IMAGE; GapFiller.

GapFiller文章发表在Genome Biology上：Boetzer M,Pirovano W. 2012. Toward almost closed genomes with GapFiller. Genome Biol.13:R56。从文章可以完全明白该软件closing gap的原理。

GapFiller需要输入scaffold序列(FASTA)和NGS paired-read数据(FASTA or FASTAQ)，输出FASTA格式文件。该软件的获得需要填写一些邮箱和单位信息。商业license需要花钱；学术性需要引用其文章。

 

2. GapFiller安装

下载GapFiller的安装包，解压缩后，里面包含bowtie、bwa和example共3个文件，其最重要的是GapFiller.pl文件，为主程序。还有2个PDF格式的manual文件。

 

3. GapFiller的使用

直接运行主程序，会给出软件的参数说明，如下：

-l library文件

-s scaffold序列的fasta文件

-m default:29   和gap边缘重叠的最小碱基数,该数值最好设置比reads的长度小一点点的数。比如36bp长度的reads，设置该值为30~35.

-o default:2  在补洞时，延伸一个碱基最小需要的reads数.

-r default:0.7 在补洞时，至少有该比例reads的碱基一致，才能对该碱基位点进行延伸。

-d default:50 gap部分序列的允许的最大差异。填补gap后，若值“填补上的序列长度 - gap长度”大于该阈值，则停止补洞；若小于该阈值，则不进行融合。

-n default:10 在一个scaffold中对邻近的两个contigs进行融合所需要最小重叠的碱基数。

-t default:10 由于gap边缘的碱基大部分是低质量碱基，补洞时需要先将gap边缘该数目的碱基trim掉，作为N处理。

-i default:10 迭代的最大次数。

-g default:1 使用bowtie进行比对的时候允许的最大的gap数，和bowtie中的-v参数一致

-T default:1 运行时使用的线程数

-S 跳过重新读取输入文件

-b 输出文件的basename。

 

-l 参数所指向的library文件需要先行编辑好。该文件包含7列，每一列之间以空格(space)隔开.其例子和格式如下：

Lib1 bwa file1.1.fasta file1.2.fasta 400 0.25 FR

Lib1 bowtie file2.1.fasta file2.2.fasta 400 0.25 FR

Lib2 bowtie file3.1.fastq file3.2.fastq 4000 0.5 RF

 

第1列：library名称

第2列：使用的序列比对方法，如果reads长度<50,则使用bowtie；若长度>50并<150,则使用bwa；若长度很大，比如454的reads，则使用bwa。BWA和BWA-sw运行在默认模式下。

第3,4列：双末端测序的fastq文件或fasta文件。

第5,6列：插入片段的长度，以及承认的长度。比如上例子中插入片段长度为400bp，成对的reads的片段长度只有在[400-400*0.25,400+400*0.25]范围内才被承认。

第7列：双端测序reads的方向，有FF，FR，RF和RR几种。

4. 例子

编辑一个libraries.txt文件，内容如下：

Illumina_160bp bwa fragment.reads1.fastq fragment.reads2.fastq 156 0.25 FR

Illumina_6000bp bwa jumping.reads1.fastq jumping.reads2.fastq 6170 0.25 FR

运行GapFiller程序，如下：

1. $GapFillerHome/GapFiller.pl -l libraries.txt -s genome.fasta -m 90 -T 8 -b species

来源：https://www.plob.org/article/6182.html