Практикум 15

1. Подготовка чтений программой trimmomatic

Архив с чтениями был получен с помощью следующей команды:

  • wget ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR424/009/SRR4240379/SRR4240379.fastq.gz

    • Далее был создан файл с адаптерами:

  • cat /mnt/scratch/NGS/adapters/* > adapters.fasta

    • Программа для удаления адаптеров:

  • java -jar /usr/share/java/trimmomatic.jar SE -phred33 SRR4240379.fastq.gz SRR4240379_mod1.fastq.gz ILLUMINACLIP:adapters.fasta:2:7:7

    • Было удалено 130303 (или 1.76%) последовательностей

    Удаление чтений с качеством ниже 20 и длиной меньше 32:

  • java -jar /usr/share/java/trimmomatic.jar SE -phred33 SRR4240379_mod1.fastq.gz SRR4240379_mod2.fastq.gz TRAILING:20 MINLEN:32

    • Было удалено 295585 (или 4.07%) чтений. Изначальный размер файла составил 167 М, после очистки - 156 М

    2. Запуск velveth

    Были подготовлены k-меры с k = 31:

  • velveth Assem 31 -short -fastq.gz SRR4240379_mod2.fastq.gz

    • 3. Запуск velvetg

    Далее проводилась сборка генома:

  • velvetg Assem

    • Далее были изучены основные параметры сборки. N50 составил 25646.

    Таблица stats.txt была отсортирована при помощи программы sort -r -n -k 2 stats.txt | less. Таким образом, нашлись самые длинные контиги:

  • ID 6, длина 49912, покрытие 35.907237;

  • ID 9, длина 49262, покрытие 34.772;

  • ID 5, длина 33085, покрытие 36.259030

    • С помощью программы sort -r -n -k 6 stats.txt | less таблица была отсортирована по убыванию покрытия. В верху таблицы оказалось много фрагментов длины 1 с большим покрытием (например, ID 133 с покрытием 474299). Более содержательными находками оказались ID 60 - 181, ID 39 - 177, ID 30 -172

    4. Анализ

    Три самых больших контига были картированы на хромосому CP009253

    ID 6

    фото

    Выравнивание разбилось на 4 участка с негомологичными промежутками между ними. Четвёртый участок выровнялся дважды:

    1. 127825-140555 (75% идентичных нуклеотидов, 4% гэпов)

    2. 144368-151796 (78% идентичных нуклеотидов, 3% гэпов)

    3. 153752-161738 (78% идентичных нуклеотидов, 3% гэпов)

    4. 161898-166752 (80% идентичных нуклеотидов, 2% гэпов)

    5. 166750-173180 (76% идентичных нуклеотидов, 2% гэпов)

    ID 9

    фото

    Выравнивание разбилось на 9 участков:

    1. 480874-481545 (82% идентичных нуклеотидов, 2% гэпов)

    2. 481997-488106 (74% идентичных нуклеотидов, 4% гэпов)

    3. 493487-494864 (80% идентичных нуклеотидов, 0% гэпов)

    4. 495033-495148 (90% идентичных нуклеотидов, 4% гэпов)

    5. 496111-500325 (75% идентичных нуклеотидов, 3% гэпов)

    6. 510438-516539 (79% идентичных нуклеотидов, 2% гэпов)

    7. 517766-521500 (77% идентичных нуклеотидов, 2% гэпов)

    8. 523105-528679 (77% идентичных нуклеотидов, 3% гэпов)

    9. 528794-529211 (84% идентичных нуклеотидов, 6% гэпов)

    ID 5

    фото

    Выравнивание разбилось на 3 участка. третий участок выровнялся дважды:

    1. 451729-454069 (77% идентичных нуклеотидов, 2% гэпов)

    2. 462496-467421 (77% идентичных нуклеотидов, 3% гэпов)

    3. 467412-474667 (77% идентичных нуклеотидов, 2% гэпов)

    4. 474844-480660 (74% идентичных нуклеотидов, 4% гэпов)