组装三代番木瓜基因组——by Serenity

Posted 2020-09-18 Datapotumas

# 估算测序深度、reads数目、N50等值（自写perl程序）：

$ perl ~/TangerScript/fqStat -i sunset.raw.subreads.fastq -g 372m

统计结果如下：

# 基因组组装三步走1. Correction 2. Assembly 3. Polish 

## Step1: canu组装（1. Correction 2. Assembly）

$ (nohup) canu -s spec.txt -p sunset -d sunset-auto genomeSize=400m -pacbio-raw sunset.raw.subreads.fastq &

$ cat spec.txt  注：spec文件为配置文件，根据不同服务器设置不同的参数。

   ### 组装初步结果如下（自写perl程序）：

$ cd /public1/home/Serenity/Sunset_Assembly/Canu-sunset-auto-201704

$ perl ~/perl_scripts/faSize.pl sunset.contigs.fasta

   ### 抽取unassembled.fasta中reads>5的contigs（自写python程序）

$ python ~/python_scripts/extract_faread_filter.py sunset.unassembled.fasta

   ### 将上一步结果与 sunset.contigs.fasta合并

$ cat sunset.contigs.fasta sunset.unassembled.fastareadfilter > sunset.all.contigs.fasta

 

## Step2: 第一轮矫正（3. Polish）： quiver——取至少50x的三代数据做校正

$ cd /public1/home/Serenity/Sunset_Assembly/Canu-sunset-auto-201704/canu-quiver

$ ln -s ../sunset.all.contigs.fasta .

$ perl ~/TangerScript/runQuiver.pl -i sunset.all.contigs.fasta -d /public4/zhangxt/DATA/Papaya/sunset/baxh5 -t 16    注：run Quiver矫正，-t 设置节点数16-24个

$ for i in {1..27};do qsub script/script.${i}.pbs; done     注：结束后检查outcmp里面的文件数目，检查无误后提交quiver.sh脚本

$ qsub quiver.sh   注：结束后得到consensus.fasta文件便是quiver校正后的基因组文件

  

## Step3: 第二轮矫正（3. Polish）： pilon——取至少50x的二代数据做校正

$ cd /public1/home/Serenity/Sunset_Assembly/sunset-reseq-raw-data

   ### 首先统计read长度、read数目、总碱基数

$ zcat papaya_S1FR_CAGATC_L000_R1.fastq.gz | awk \'NR==2{a=length($1)}END{print "read length:"a"\\nread num:"NR/4"\\ntotal base:"a*NR/4*2"\\n"}\' > papaya_S1FR_CAGATC_L000_R1.fastq.gz.qstat.txt

$ cat papaya_S1FR_CAGATC_L000_R1.fastq.gz.qstat.txt   注：测序深度=total base/372000000

   ### bwa mem进行align

$ bwa index -a bwtsw consensus.fasta

$ bwa mem -t 24 -R \'@RG\\tID:S1FR_CAGATC\\tSM:S1FR_CAGATC\\tPL:Illumina\\tLB:lib1\' consensus.fasta papaya_S1FR_CAGATC_L000_R1.fastq.gz papaya_S1FR_CAGATC_L000_R2.fastq.gz > papaya_S1FR_CAGATC_L000.sam

$ samtools view -bS papaya_S1FR_CAGATC_L000.sam > papaya_S1FR_CAGATC_L000.bam

$ samtools sort papaya_S1FR_CAGATC_L000.bam -o papaya_S1FR_CAGATC_L000.sorted.bam

$ samtools index papaya_S1FR_CAGATC_L000.sorted.bam

$ qsub run_pilon.sh

$ cat run_pilon.sh    注：在本实验室服务器指定13节点或者14节点，因为这两个节点内存比较大，java设置内存300G，线程设置12以上 

 

   ### 组装最终结果如下：

 $ perl ~/perl_scripts/faSize.pl sunset_pilon.fasta

  注：N50大概达到了1.2M，总基因组大小大概组装到了330M