De novo genome assembly

Скачивание и подготовка чтений

Изучаемые одноконцевые чтения из проекта по секвенированию Buchnera aphidicola, полученные по технологии Illumina (AC: SRR4240356), скачиваются следущей командой.

wget ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR424/006/SRR4240356/SRR4240356.fastq.gz

Далее проводится анализ исходныч ридов, в том числе качества. Визуализация доступна со ссылке.

fastqc SRR4240356.fastq.gz

Адаптеры были записаны с в файл, копия которого доступна по ссылке.

cat /mnt/scratch/NGS/adapters/*SE.fa > adapters.fasta

С использованием этого файла адаптеры были удалены из ридов программой trimmomatic.

java -jar /usr/share/java/trimmomatic.jar SE -phred33 SRR4240356.fastq.gz SRR4240356_clipped.fastq.gz ILLUMINACLIP:adapters.fasta:2:7:7 2> clipping.log

Далее с правых концов были удалены позиции с качеством меньше 20 и оставлены только чтения длиной от 32 нуклеотидов. По информации из логов было удалено 299579 чтений, что составляет 4.07% от всех.

java -jar /usr/share/java/trimmomatic.jar SE -phred33 SRR4240356_clipped.fastq.gz SRR4240356_trimmed.fastq.gz TRAILING:20 MINLEN:32 2> trimming.log

Сборка

Визуализация анализа триммированных чтений доступна по ссылке.

fastqc SRR4240356_out.fq.gz

Далее были подготовлены k-меры длиной 31, которые были помещены в директория velveth.

velveth velveth 31 -fastq.gz SRR4240356_trimmed.fq.gz -short

Сборка с помощью полученных k-меров была осуществлена с помощью velvetg. Согласно логам N50 составил 6554. Информация о каждом из контигов доступна по ссылке на копию файла stats.txt. Последовательности контигов были получены из файла contigs.fa, в котором также содержалась информация о них.

velvetg velveth 2> velvetg.log

Все контиги с аномально малым покрытием (порядка единицы) составляли единицы-cотни нуклеотидов. Интерес же представлял контиг 64 длиной всего в нуклеотид с необъяснимо большим покрытием 266957 (в contigs.fa отсутствует).