使用3D-DNA流程,结果不升反降怎么破?

之前我写过一篇利用3D-DNA流程基于Hi-C提升基因组组装,那个时候我做的项目并不多,也没有遇到坑,直到最近我用3D-DNA流程进行基因组组装,发现结果出乎意料

Fig1

在上图中,蓝色框表示组装出来的scaffold,其余则是3D-DNA认为的debris,也就是边角料。谁能想到一个基因组有那么多的边角料呢?

经 @上海欧易生物-鲍志贵的提醒,我检查了genome.0.hic, 也就是初步组装的结果,发现结果好的惊人。

Fig2

谁能想到,越纠错结果越错呢?现在的问题是,既然错误已经存在了,那么应该如何处理呢?

最容易的解决方法就是设置 -r 0, 也就是不纠错,直接用genome.0.hic的结果开始拆分染色体,后续通juicebox(https://github.com/aidenlab/Juicebox/wiki)手动处理潜在组装错误。这其实并没有解决问题,而是躲避了问题。于是我去阅读了3D-DNA 发表在science上文章的附录,和run-asm-pipeline.sh的源代码,功夫不负有心人,终于被我定位到了问题的关键所在。

run-asm-pipeline.sh的651-750是3D-DNA流程的核心算法: misjoin-correction. 其中下面的代码是用来找到潜在的mis-assembly, 用于后续纠错

bash ${pipeline}/edit/run-mismatch-detector.sh -p ${parallel} -c ${editor_saturation_centile} -w ${editor_coarse_resolution} -d ${editor_coarse_region} -k ${editor_coarse_stringency} -n ${editor_fine_resolution} ${genomeid}.${ROUND}.hic
bash ${pipeline}/edit/run-coverage-analyzer.sh -w ${editor_coarse_resolution} -t ${editor_repeat_coverage} ${genomeid}.${ROUND}.hic

输出的 mismatch_narrow.at.step.${ROUND}.bedrepeats_wide.at.step.${ROUND}.bed 后续会被3D-DNA用于编辑原始的contig/scaffold。我分别统计了这两者的数量和长度, 其中mismatch长度为1,也就是没有发现组装错误,而重复区域则非常可怕

awk '{print $3-$2}' repeats_wide.at.step.0.bed | sort -k1,1nr | head
13775000
11450000
9200000
7075000
5325000
4350000
4225000
4225000
4175000
4100000

最长的重复区域居然长达13 Mb, 想想都不太可能啊(我统计了另一组数据,长度最长为50K)。显然这就是问题的所在,接下来就该解决问题了。

既然是重复区域出了问题,我翻阅了参数列表,找到了一个与其相关的参数,即--editor-repeat-coverage, 默认是2,我们可以运行run-coverage-analyzer.sh, 测试不同参数下(-t)下的重复序列长度情况,从而确定一个比较合适的大小。

bash /opt/biosoft/3d-dna/edit/run-coverage-analyzer.sh -w 25000 -t 3 genome.0.hic

此外,我还查阅了在Google Group上相关的讨论,发现这个问题是由于文库导致(Most likely it is due to coverage biases in your experiment. Load the tracks associated with repeats to help highlight. You can increase --editor-repeat-coverage to help mitigate.)

Highly likely repeats is main problem of this assembly. Significant part of Hi-C reads are filtered as below MAPQ but checking reads shows non-unique mapping at least one side of such reads, and it can be result of presence large fraction of repeats. As well as remapping reads to selected after JBAT chromosome-size scaffolds shows coverage anomalies looks like crosses with much more higher contact frequency than other genome, probably corresponding to condensed repeats. And can i ask your advise how should we deal with such repeats mark with repeatFinder and hardmask before reads mapping or something else? And we try to increase editor-repeat-coverage parameter.

参考资料:

©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 205,386评论 6 479
  • 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 87,939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 151,851评论 0 341
  • 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 54,953评论 1 278
  • 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 63,971评论 5 369
  • 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 48,784评论 1 283
  • 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 38,126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 36,765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 43,148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 35,744评论 2 323
  • 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 37,858评论 1 333
  • 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 33,479评论 4 322
  • 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 39,080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 30,053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 31,278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 45,245评论 2 352
  • 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 42,590评论 2 343