叶绿体基因组组装

getorganelle组装叶绿体基因组

安装

conda install -c bioconda getorganelle

安装叶绿体基因组databases

get_organelle_config.py --add embplant_pt

NCBI测试数据下载

从网上随机找了一篇文章 进行组装
文章链接

# download data
prefetch SRR15255748.sra
# split files
fasterq-dump --split-3  SRR15255748.sra
# after split 
# SRR15255748_1.fastq  SRR15255748_2.fastq

软件运行

get_organelle_from_reads.py  -1 SRR15255748_1.fastq -2 SRR15255748_2.fastq  -k 21,77,127 -o results -t 30 -R 25 -F embplant_pt

组装结果

使用Bandage 对 gfa/fastg 结果文件进行查看

getorganelle组装结果

IR区域 拆分之后 就可以行成叶绿体的环状结构

两种解环方式

IR拆分之后就行成了两种成环方式，这也是为什么getorganelle会给出两条序列的原因，两条序列的差异在于SSC的方向。 因此我们需要对得到的两条序列做共线性分析。选择一条和参考相同的，或者NCBI用的比较多的一种方式 进行下一步分析。

选用参考自己做组装

参考序列下载

选用近缘的物种作为参考物种 这里选用 NC_063470.1 做为参考物种

数据处理

# build index  
bowtie2-build  test.fa  ref # test.fa NC_036134.1
# mapping
bowtie2 -x ref --very-sensitive-local -1 SRR15255748_1.fastq -2 SRR15255748_2.fastq  > mapping.sam
# sam to bam
samtools view -h -F 4 -@ 6 mapping.sam  > mapping.bam
# bam to fastq
samtools fastq -1 1.fq -2 2.fq -s unmapped.fq mapping.bam

SPAdes组装

spades.py -k 21,77,127 -1 1.fq  -2 2.fq -t 30 -o results

组装结果

使用Bandage 对 gfa/fastg 结果文件进行查看

SPAdes组装结果

然后按照上面的处理方式 就可以得到相同的结果 如果序列前端和序列后端有一条Kmer是相似的 需要删除该Kmer

写在结尾

序列组装好之后 鉴定叶绿体的四个区域，然后序列调整LSC的第一个碱基 作为序列的开始， 接着就可以进行注释等后续分析。

当序列复杂度比较高时，使用getorganelle无法成环或者成环数比较多时（失败的原因是多种多样的），需要自己进行纠正！！！

如果大家有想做的分析，也可以私信我哦 。