LAI 評估基因組質量乙個標準

基因組組裝完成之後，就需要對最後的質量進行評估。我們希望得到的contig檔案中，每個contig都能足夠的長，能夠有乙個完整的基因結構，歸納一下就是3c原則:

但是這三條原則其實是相互矛盾的，連續性越高，就意味著要處理更多的模糊節點，會導致整體錯誤率上公升，為了保證完全的正確，那麼就會導致contig非常的零碎。此外，這三條原則也比較定性，我們需要更加定量的數值衡量，目前比較常用的標準是n50和busco/cegma。

最近有一篇文章"assessing genome assembly quality using the ltr assembly index (lai) "提出用長末端重複序列來評估基因組完整度，因為ltr比較難以組裝，於是就用作評估結果的乙個引數了。那問題來了，什麼是ltr序列，ltr是在原病毒（整合的反轉錄病毒）兩末的重複序列，結構見下圖

ltr結構

上圖中tsd表示target site duplications，紅色三角表示ltr motif。a圖是乙個完整的ltr結構，其中a,b,c是ltr_retriever的分析目標。

lai指數就是完整ltr反轉座子序列佔總ltr序列長度的比值。

其實作為乙個農學出身，看到lai，我腦海就想到了leaf area index(葉面積指數)

本文以擬南芥的基因組為例來測試一下這個軟體

要想保證軟體能夠順利的安裝，需要先安裝如下這幾個軟體, 好訊息是這些軟體都可以通過bioconda解決

cd ~/opt/biosoft
git clone

進入ltr_retriever檔案下修改paths檔案，提供每個軟體所在的檔案路徑，下面是我的配置，你需要按照實際所在路徑來設定

blast+=/home/xuzhougeng/opt/biosoft/ncbi-blast-2.7.1+/bin/ repeatmasker=/home/xuzhougeng/opt/biosoft/repeatmasker/ hmmer=/home/xuzhougeng/opt/anaconda2/envs/maker/bin/ cdhit=/home/xuzhougeng/opt/anaconda2/envs/assembly/bin/

cd ~/opt/biosoft git clone cd ltr_finder/source/ make

第一步讓我們用ltr_finder找到基因組的ltr序列

~/opt/biosoft/ltr_finder/source/ltr_finder -d 20000 -d 1000 -l 700 -l 100 -p 20 -c -m 0.9 athaliana.fa >athaliana.finder.scn

這裡的-d表示5'和3'ltr之間的最大距離，-d表示5'和3'ltr之間的最小距離，-l表示5'和3'ltr序列的最大長度，-l表示5'和3'ltr序列的最小長度，-p表示完全匹配配對的最小長度，-c表示檢測中心粒(centriole)刪除高度重複區域，-m表示最小的ltr相似度。如果不怎麼該怎麼設定就用預設值。

第二步執行ltr_retriever根據ltr_finder的輸出識別ltr-rt，生成非冗餘ltr-rt文庫，可用於基因組注釋

~/opt/biosoft/ltr_retriever/ltr_retriever -threads 4 -genome athaliana.fa -infinder athaliana.finder.scn

這裡的-infinder表示輸入來自於ltr_finder，它支援同時輸入ltrharvest的輸出(-inharvest)和 mgescan-ltr 的輸出(-inmgescan). 嫌速度太慢，可以用-threads增加執行緒數

這一步會呼叫repeatmasker，而repeatmasker要求序列id長度不大於50個字元，所以請在第一步的時候請先對id進行修改。

第三步計算lai。如果前面找到ltr序列太少，低於5%，這一步程式就會報錯，那麼你就需要調整第一步引數，可能是太嚴格了。

/opt/biosoft/ltr_retriever/lai -t 10 -genome athaliana.fa -intact athaliana.fa.pass.list -all athaliana.fa.out

這裡最後的結果檔案為athaliana.fa.out.lai，第二行就是總體資訊，其中raw_lai是12.88， lai是14.47

chr from to intact total raw_lai lai

whole_genome 1 119667750 0.0079 0.0612 12.88 14.47

得到的lai值按照如下評估標準進行分類：

LAI 評估基因組質量乙個標準

LAI 評估基因組質量乙個標準

基因組組裝結果質量評估

人基因組（一）

LAI 評估基因組質量乙個標準

LAI 評估基因組質量乙個標準

基因組組裝結果質量評估

人基因組（一）

相關推薦