dRep物种集去冗余

drep可对基因组集去冗余,留下非冗余基因组集。从运行过程来看,先进行基因预测,然后用chekm做基因组质控,也因此需要安装配置checkm,去冗余基于ANI有关的参数。

文献信息

标题:dRep: a tool for fast and accurate genomic comparisons that enables improved genome recovery from metagenomes through de-replication
期刊:ISME J
时间:2017

文档
drep:https://drep.readthedocs.io/en/latest/overview.html
checkm:https://github.com/Ecogenomics/CheckM/wiki
checkm_db: https://data.ace.uq.edu.au/public/CheckM_databases/

安装

# drep
conda install -c bioconda drep
# checkm
conda install hmmer pplacer
pip3 install checkm-genome
# checkm 数据库
wget -c https://data.ace.uq.edu.au/public/CheckM_databases/checkm_data_2015_01_16.tar.gz
tar -zxvf checkm_data_2015_01_16.tar.gz
export CHECKM_DATA_PATH=/path/to/my_checkm_data

帮助文档

dRep --help
# Commands:
#    compare            -> Compare and cluster a set of genomes
#    dereplicate        -> De-replicate a set of genomes
#    check_dependencies -> Check which dependencies are properly installed
dRep dereplicate --help

-g 基因组集
-p 线程数
-comp 最小基因组完整度,默认75
-con 最大基因组污染度,默认25
-pa ANI threshold to form primary (MASH) clusters (default: 0.9)
-sa ANI threshold to form secondary clusters (default: 0.95)
--SkipSecondary Skip secondary clustering, just perform MASH clustering (default: False)
-l 长度筛选,默认50000
--ignoreGenomeQuality 忽略质量检测

使用

dRep dereplicate output_dir/ \
-g /path/to/genomes/*.fasta \
-p 10 \
-comp 70 
-con 10 \
-sa 0.95 --SkipSecondary

过程

***************************************************
    ..:: dRep dereplicate Step 1. Filter ::..
***************************************************

Will filter the genome list
2,295 genomes were input to dRep
Calculating genome info of genomes
100.00% of genomes passed length filtering
Running prodigal
Running checkM
Running checkM in 2 chunks
Running checkM chunk 0
Running checkM chunk 1
21.83% of genomes passed checkM filtering
***************************************************
    ..:: dRep dereplicate Step 2. Cluster ::..
***************************************************

Running primary clustering
Running pair-wise MASH clustering
117 primary clusters made
Running secondary clustering
Running 3611 ANImf comparisons- should take ~ 45.1 min
Step 4. Return output
***************************************************
    ..:: dRep dereplicate Step 3. Choose ::..
***************************************************

Loading work directory
***************************************************
    ..:: dRep dereplicate Step 4. Evaluate ::..
***************************************************
etc
***************************************************
    ..:: dRep dereplicate Step 5. Analyze ::..
***************************************************

making plots 1, 2, 3, 4, 5, 6
Plotting primary dendrogram
Plotting secondary dendrograms
Plotting MDS plot
Plotting scatterplots
Plotting bin scorring plot
Plotting winning genomes plot...

$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$$

    ..:: dRep dereplicate finished ::..

Dereplicated genomes................. 02_bin/bins_drep/dereplicated_genomes/
Dereplicated genomes information..... 02_bin/bins_drep/data_tables/Widb.csv
Figures.............................. 02_bin/bins_drep/figures/
Warnings............................. 02_bin/bins_drep/log/warnings.txt

/bins_drep_comp70/data_tables

Bdb.csv 基因组长度
Cdb.csv 聚类信息
Chdb.csv 基因组详细信息
genomeInformation.csv 完成度污染度
Mdb.csv 基因组两两距离

## 聚类信息
cat Cdb.csv | awk -F"," 'BEGIN{OFS="\t"}{print $1,$2,$6}' > cluster.info
# 代表基因组规则
LFY_1_1.12.fa 82_0    82
LFY_1_1.18.fa 11_1    11
LFY_1_4.17.fa 106_1   106
LFY_1_4.26.fa 110_1   110
LFY_1_4.2.fa 116_1   116
# 每个cluster基因组数量
cat cluster.info | sed '1d' | awk '{print $2}' | sort | uniq -c | sort -k 1nr > cluster.count

案例-推荐
pa primary threshold,不进行二次聚类,代表序列数=cluster数

dRep dereplicate 02_plasmid/01_drep \
-g 02_plasmid/00_plasmid/*.fa \
-p 16 -l 1 \
-pa 0.95 --ignoreGenomeQuality --SkipSecondary

checkm单独使用

checkm data setRoot $PATH/checkm_data

checkm lineage_wf \
-t 30 -x fa --nt --tab_table \
-f checkm_out.txt bins_samples checkm_out

更多:
CheckM:基因组质量评估

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容