Практикум 14 (сборка de novo)

Код доступа проекта по секвенированию бактерии Buchnera aphidicola, выданный мне: SRR4240358

Подготовка чтений программой trimmomatic.

Для начала все адаптеры, лежащие в диреткории /P/y16/term3/block3/adapters, я перенесла в свою рабочую директорию и собрала в один файл adapters.fasta. Затем чтобы удалить возможные остатки адаптеров я воспользовалась командой из 11 пракума:

java -jar /nfs/srv/databases/ngs/suvorova/trimmomatic/trimmomatic-0.30.jar SE -phred33 read.fastq SRR.fastq ILLUMINACLIP:adapters.fasta:2:7:7

В результате работы прогрммы оказалось, что от 10543839 чтений осталось 98, 34%, а адаптеры составили 1,66%:
Input Reads: 10543839 Surviving: 10368884 (98,34%) Dropped: 174955 (1,66%) C помощью команды были удалены буквы с концов:

java -jar /nfs/srv/databases/ngs/suvorova/trimmomatic/trimmomatic-0.30.jar SE -phred33 SRR.fastq SRR2.fastq TRAILING:20 MINLEN:32

Команда убрала буквы, с качеством ниже 20 (аналогично практикуму 11), но теперь удалялись риды, которые после такого удаления букв стали короче 32. Вывод программы:
Input Reads: 10368884 Surviving: 8016437 (77,31%) Dropped: 2352447 (22,69%)
В данном случае сокращение ридов увеличилось до 22,69%. От 10368884 ридов осталось всего 8016437.

Таблица 1. Размеры файлов до и после очищения.
Команда	Файл	Размер
read.fastq	Начальный файл с ридами	1179775440
stat -c %s SRR.fastq	Файл с ридами после удаления адаптеров	1159349882
stat -c %s SRR2.fastq	Файл с ридами после удаления букв	865076716

Запуск программы velveth.

Программа velveth использовалась с целью узнать k-меров с длинной 31:

velveth vel 31 -fastq -short SRR2.fastq

Длина наших к-меров должна быть меньше длины ридов, т.к. они должны быть подстроками ридов(32) ипри этом должна быть нечетной. Соответственно мы взяли максимально возможную. В результате раюоты программы созданы три файла.

velvetg

Команда:

velvetg vel

для сборки на основе к-меров. Чтобы узнать N50 я воспользовалась файлом Log, который был дописан в ходе работы данной программы, т.к. раньше там была информация о запуске velveth. В конец добавилась информация о запуске velvetg. Информацию о длине контигов можно узнать из файла stats.txt (содержащего статистику о контигах) N50 = 8600 (то есть не менее, чем половина генома покрыта контигами длины не меньше, чем это число), самый длинный контиг-19821, суммарная длина контигов 655707. Самый длинный контиг 19821 имеет среднее покрытие 29.5, а следующие по длине контиги имеют длины 18714 (покрытие 29.9) и 16436 (покрытие 30.8). Контиги с аномально высоким/ низким покрытием: (281.5) имеет длину 622, (2.6) имеет длину 261.

Анализ

Таблица 2. megablast.
ID	Dotted	Длина	Max Score	Total Score	Query cover	Per ident	Координаты	Гэпы
57		19821	3949	9397	86%	75.62%	496111-514772	351/8617(4%)
34		18714	2278	9481	74	85.41	8599-26764	30/2220(1%)
41		16436	3703	6423	71%	76.75%	467412-474242	204/6961(2%)