Цель данного практикума - собрать de novo геном бактерии Buchnera aphidicola из проекта по
секвенированию по технологии Illumina с кодом доступа SRR4240358. Проект был скачан в рабочую директорию с
помощью команды wget
ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR424/008/SRR4240358/SRR4240358.fastq.gz.
1. Подготовка чтений программой trimmomatic.
Сначала соберем все адаптеры в одном файле с помощью следующих команд:
Далее с помощью триммоматик из чтений были удалены эти соответственно адаптеры: java -jar
/usr/share/java/trimmomatic.jar SE -phred33 -threads 12 SRR4240358.fastq.gz clear_reads.fastq.gz
ILLUMINACLIP:adapters.fasta:2:7:7 2> log_trimmomatic.txt. Log-файл можно найти тут. Из него можно узнать, что
изначально было 10543839 чтений, осталось 10368884. То есть 1.66% всех чтений удалилось после триммоматика.
Также удалим с правых концов чтений нуклеотиды с качеством ниже 20 и чтения длины меньше 32 нуклеотидов:
java -jar /usr/share/java/trimmomatic.jar SE -phred33 -threads 12
clear_reads.fastq.gz new_clear_reads.fastq.gz TRAILING:20 MINLEN:32 2> log_trimmomatic2.txt.
Результирующий файл лежит тут.
Из него узнаем, что после такого фильтра было удалено 22.69% от количества изначальных чтений. На входе в
файле было 10368884 чтений, на выходе 8016437.
2. Программа velveth
Далее с помощью команды velveth на основе офильтрованных чтений из пункта 1 создадим список k-меров
длины 31:
Команда создала директорию velveth с тремя файлами.
3. Программа velvetg
На основе получившихся k-меров запустим программу velvetg для сборки генома:
velvetg velveth 1> log_velveg
Из файла узнаем, что N50 = 8600.
Найдем длины трех самых длинных контигов и их покрытие (команда sort
-n -r -k 2 stats.txt | more
ID 56, длина 19821, покрытие 29.475859
ID 34, длина 18714, покрытие 29.922678
ID 40, длина 16436, покрытие 30.793624
Есть контиги с аномально большим покрытием - 111576.00 (контиг длины 1 ID 136), и есть с аномально малым -
1.2 (контиг длины 5 ID 361).
4. Анализ
Сравним три самых длинных контига с хромосомой Buchnera aphidicola (GenBank/EMBL AC — CP009253) с
помощью алгоритма megablast. Данные сравнения представлены в таблице 1.
