组装细菌基因组

一、在Genome Announcements网站（https://mra.asm.org/）找到一篇细菌基因组文章

1.标题如下

image.png

2.有多个SRA号，只选择其中一个SRR9209170

image.png

image.png

二、从SRA数据库上用prefetch下载该文件

prefetch SRR9209170

image.png

三、Fastq-dump解压

 cd ncbi/public/sra
fastq-dump --gzip --split-files SRR9209170.sra

image.png

四、Fastqc质控；去接头

1.fastqc质控

fastqc SRR9209170_1.fastq.gz
fastqc SRR9209170_2.fastq.gz

image.png

下载fastq.html文件，用浏览器查看

image.png

image.png

2.去接头

mkdir trim_out2
java -jar ~/04-Biosofts/Trimmomatic-0.38/Trimmomatic-0.38/trimmomatic-0.38.jar PE -phred33 SRR9209170_1.fastq.gz SRR9209170_2.fastq.gz ./trim_out2/output_forward_paired.fq.gz ./trim_out2/output_forward_unpaired.fq.gz ./trim_out2/output_reverse_paired.fq.gz ./trim_out2/output_reverse_unpaired.fq.gz ILLUMINACLIP:/home/shucheng/04-Biosofts/Trimmomatic-0.38/Trimmomatic-0.38/adapters/TruSeq2-PE.fa:2:30:10 SLIDINGWINDOW:5:20 LEADING:20 TRAILING:20 MINLEN:75

结果有四个文件存放在trim_out2里

image.png

image.png

3.对匹配上正向反向的序列再次用fastqc，比较去接头之后的质量变化

fastqc output_forward_paired.fq.gz
fastqc output_reverse_paired.fq.gz

image.png

image.png

过滤之后，序列总的碱基数量和序列长度都有减少

四、Spades组装基因组草图

cd ncbi/public/sra
spades.py --careful --pe1-1 SRR9209170_1.fastq.gz --pe1-2 SRR9209170_2.fastq.gz -o ./SPAdesout_9209170_new

出现如下问题

image.png

原因是内存不够，解决方法是关闭虚拟机，在设置里的系统里，增加内存

image.png

结果就是contigs.fasta文件

image.png

五、Quast评价组装的基因组效果

1.在当前位置输入

quast.py contigs.fasta -o quast_out

结果如下

image.png

image.png

用浏览器查看html文件report.html

image.png

image.png