跟着NAR学数据分析:利用二代测序数据估计拟南芥基因组大小

论文

Pushing the limits of HiFi assemblies reveals
centromere diversity between two Arabidopsis
thaliana genomes

https://academic.oup.com/nar/article/50/21/12309/6858746?login=false

2个拟南芥NAR.pdf

代码链接

https://github.com/frabanal/A.thaliana_CLR_vs_HiFi/tree/v1.0

下载二代测序数据

~/biotools/kingfisher/bin/kingfisher get -r ERR8666067 -m ena-ftp

对测序数据进行过滤

cutadapt -j 16 -q 20,15 -b TruSeq1=AGATCGGAAGAGC -b Nextera1=CTGTCTCTTATACACATCT -b Nextera1rc=AGATGTGTATAAGAGACAG -B TruSeq2=AGATCGGAAGAGC -B Nextera2=CTGTCTCTTATACACATCT -B Nextera2rc=AGATGTGTATAAGAGACAG --trim-n --minimum-length 75 -o ERR8666067_cutadapt_R1.fastq.gz --paired-output ERR8666067_cutadapt_R2.fastq.gz ERR8666067_1.fastq.gz ERR8666067_2.fastq.gz

这里怎么确定具体用到的是那种接头序列一直没有搞明白

bwa比对

bwa index at_ChrC_ChrM_phiX74.fa
bwa mem -t 16 -R "@RG\tID:ERR8666067\tSM:ERR8666067" at_ChrC_ChrM_phiX74.fa ERR8666067_cutadapt_R1.fastq.gz ERR8666067_cutadapt_R2.fastq.gz -o ERR8666067.sam
samtools sort -@ 16 -n -O BAM -o ERR8666067.sorted.bam ERR8666067.sam

samtools 基本统计

samtools stats ERR8666067.sorted.bam

提取没有比对上的数据

r1没有比对上r2比对上

samtools view -@ 16 -b -f 4 -F 264 ERR8666067.sorted.bam -O BAM -o ERR8666067.unmap_map.bam

r1比对上,r2没有比对上

samtools view -@ 16 -b -f 8 -F 260 ERR8666067.sorted.bam -O BAM -o ERR8666067.map_unmap.bam

r1 r2 都没有比对上

samtools view -@ 16 -b -f 12 -F 256 ERR8666067.sorted.bam -O BAM -o ERR8666067.unmap_unmap.bam

这里有一步没有看懂是什么意思

echo "Merging both combinations of SE-mapped..."
rm $outputTMP/$ACC.$ref.TMP1_unmapped.bam
$SAMTOOLS merge $outputTMP/$ACC.$ref.TMP1_unmapped.bam $outputTMP/$ACC.$ref.unmap_map.bam $outputTMP/$ACC.$ref.map_unmap.bam

echo "Discarding supplementary alignments..."
$SAMTOOLS view -b -F 2048 $outputTMP/$ACC.$ref.TMP1_unmapped.bam > $outputTMP/$ACC.$ref.TMP2_unmapped.bam
$SAMTOOLS sort -n -o $outputTMP/$ACC.$ref.single_unmapped.bam $outputTMP/$ACC.$ref.TMP2_unmapped.bam

Discarding supplementary alignments...是什么意思暂时没有搞明白

后续只用r1和r2都没有比对上的reads

bam转fastq

bamToFastq -i ERR8666067.unmap_unmap.bam -fq ERR8666067.unmap_unmap.R1.fastq -fq2 ERR8666067.unmap_unmap.R2.fastq

估计基因组大小

cat ERR8666067.unmap_unmap.*.fastq | jellyfish count /dev/fd/0 -C -o ERR8666067.21mer -m 21 -t 16 -s 5G
jellyfish histo -h 3000000 -o ERR8666067.21mer.histo ERR8666067.21mer

findGSE的链接

https://github.com/schneebergerlab/findGSE/tree/master

library(findGSE)
findGSE(histo="ERR8666067.21mer.histo",size=21,outdir="ERR8666067_21mer")
findGSE initialized...
   Info: histo file provided as ERR8666067.21mer.histo
   Info: size k set as 21
   Info: output folder set as ERR8666067_21mer
   Info: expected coverage of homozygous k-mers set as 0
   Info: het observed set as false ==> heterozygous fitting not asked. 

Iterative fitting process for sample ERR8666067.21mer.histo started... 
    Size 21 at itr 1
    Info: min_valid_pos:  33 
    Info: signal error border:  33 
    Info: hom_xfit_left  for hom fitting at itr  1 :  89 
    Info: hom_xfit_right for hom fitting at itr  1 :  129 
       Fitting has to be repeated: sizek 21 at itr 1
    Info: hom_xfit_left  for hom fitting at itr  1 :  89 
    Info: hom_xfit_right for hom fitting at itr  1 :  129 
    Size 21 at itr 2
    Info: hom_xfit_left  for hom fitting at itr  2 :  111 
    Info: hom_xfit_right for hom fitting at itr  2 :  435 
    Size 21 at itr 3
    Info: hom_xfit_left  for hom fitting at itr  3 :  234 
    Info: hom_xfit_right for hom fitting at itr  3 :  541 
    Warning: data does not follow assumed distribution anymore at itr 3, fitting stopped.
Iterative fitting done.

Genome size estimate for ERR8666067.21mer.histo: 142872866 bp.

论文中的数据是 we estimated the genome size to be 143.12 Mb

本次的重复结果比论文中的小一点

image.png
image.png

推文记录的是自己的学习笔记,很可能存在错误,请大家批判着看

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 162,050评论 4 370
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 68,538评论 1 306
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 111,673评论 0 254
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,622评论 0 218
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 53,047评论 3 295
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,974评论 1 224
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 32,129评论 2 317
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,893评论 0 209
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,654评论 1 250
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,828评论 2 254
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,297评论 1 265
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,619评论 3 262
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,326评论 3 243
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,176评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,975评论 0 201
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 36,118评论 2 285
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,909评论 2 278

推荐阅读更多精彩内容