Сборка генома de novo

  1. Подготовка чтений
    2. Скачаем чтения полученные в проекте по секвенированию бактерии Buchnera aphidicola: 
        wget ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR424/000/SRR4240380/SRR4240380.fastq.gz
    Результат - SRR4240380 Создание файла с адаптерами: 
        cat /mnt/scratch/NGS/adapters/*.fa >> adapters.fasta
    Результат - adapters.fasta Удаление адаптеров: 
        java -jar /usr/share/java/trimmomatic.jar SE -phred33 SRR4240380.fastq.gz SRR4240380_trim.fastq.gz ILLUMINACLIP:adapters.fasta:2:7:7
    1.88% последовательностей чтений оказалось остатками адаптеров. Фильтрация чтений по качеству (удаление с правых концов чтений нуклеотидов с качеством ниже 20, удаление чтений длины меньше 32 нуклеотидов.) 
        java -jar /usr/share/java/trimmomatic.jar SE SRR4240380_trim.fastq.gz filt.fastq.gz TRAILING:20 MINLEN:32
    Ещё 4.96% (253785 нуклеотида) последовательностей чтений было удалено. Размеры файлов: 107,23 МБ до подготовки; 98,35 МБ - после.
  2. velveth
    3.     velveth kmers 31 -fastq.gz filt.fastq.gz -short
  3. Сборка на основе k-меров
    4.     velvetg kmers
    N50 = 12042. В файле stats.txt можно найти информацию по длинам контигов. 3 самых длинных: 
       
ID  Длина Покрытие
3   25915 27.418676
20  23850 24.763816
23  23807 25.725921
    Контиги с аномально большим и малым покрытием: 
    ID  Длина Покрытие
269 0     inf
84  1     700650.0
...
364 1     1.0
401 2     1.0
    Аномальные покрытия характерны для очень коротких контигов.
  4. Анализ
    5. Результаты megablast: 
          ID  Max Score   Total Score   Query Cover   E-value   Per. Ident
      3   5760        13627         86%           0.0       78.40%
      20  4769        10820         88%           0.0       75.17%
      23  3253        4804          53%           0.0       73.43%
    Рис.1 Выравнивание контига (ID 3)
    Контиг (ID 3) ложится на участки хромосомы с координатами 613658..620926 (Gaps:190(2%)); 621055 to 627104 (Gaps:240(3%)) и 2004..11103 (Gaps:252(2%)). Данный контиг попал на участок, где была разрезана хромосома при определении последовательности.
    Рис.2 Выравнивание контига (ID 20)
    Контиг (ID 20) ложится на участки 236918..24759 (Gaps:391(3%)), 232358..236859 (Gaps:130(2%)), 229411..232057 (Gaps:71(2%)), 248967..252161(Gaps:94(2%)).
    Рис.3 Выравнивание контига (ID 23)
    Контиг (ID 23) ложится на участки 573092..582686 (Gaps:461(4%)), 584329..587055 (Gaps:108(3%)), 593743..594099 (Gaps:4(1%))