Объект

Собирался геном бактерии Buchnera aphidicola str. Tuc7 из одноконцевых чтений, полученных секвенированием по технологии Illumina (код доступа SRR4240356).

Подготовка чтений

Сначала были удалены чтения, содержащие адаптеры. Для этого последовательности адаптеров были собраны в один файл командой

  seqret "/mnt/scratch/NGS/adapters/*" fasta::all_adapters.fasta

и полученный файл был передан команде trimmomatic:

  java -jar /usr/share/java/trimmomatic.jar SE -phred33 SRR4240356.fastq.gz SRR4240356_desadaptered.fastq.gz ILLUMINACLIP:all_adapters.fasta:2:7:7 &> trimmomatic_adapters.log

Из изначальных 7511529 ридов адаптерами оказались 153091 (2.04%).

После этого с конца ридов были удалены нуклеотиды качеством ниже 20, и последовательности короче 32 нуклеотидов (т.е. те, которые не дадут потом хотя бы два 31-мера) были удалены:

  java -jar /usr/share/java/trimmomatic.jar SE -phred33 SRR4240356_desadaptered.fastq.gz SRR4240356_filtered.fastq.gz TRAILING:20 MINLEN:32 &> trimmomatic_filter.log

Из 7358438 последовательностей, оставшихся после предыдущего шага, были удалены 305093 (4.15%)

Размер файла уменьшился с 167M до 155M после двух чисток.

Сборка

Для создания k-меров длины 31 была применена команда

  velveth ./velv 31 -fastq.gz -short SRR4240356_filtered.fastq.gz &> ./velv/velveth.log

После сборка на основе этих k-меров производилась сборка:

  velvetg ./velv &> velv/velvetg.log

Длины

N50 получившейся сборки равен 65554. Информация о трёх самых длинных контигах приведена в таблице 1.

Табл.1 Самые длинные контиги

ID	lgth	out	in	short1_cov	short1_Ocov
8	111962	0	1	38,660197	38,660197
6	107488	0	0	34,174029	34,174029
10	80939	2	1	37,524173	37,524173

Если в качестве типичного покрытия рассматривать 10, то контигов с покрытием, отличающимся от типичного в пять и более раз получается довольно много: из 286 контигов будет 75 (26%) в большую сторону, и 21 (7%) в меньшую.

Анализ

Три самых длинных контига - 6, 8 и 10 - были выровнены с референсным геномом (AC CP009253) при помощи megablast (параметры: word size 16 (минимально возможное, чтобы была меньше вероятность "дырки"), expect threshold 0.01 (при большем слишком много "мусора" - лишних коротких выравниваний)).

Координаты по контигу ниже обозначены как n (node), по референсному геному - r (reference), на всех диаграммах контиг отложен по оси x, а референс по оси y.

Контиг 6

Контиг 10