生物信息百Jia軟體(23):SOAPdenovo

編者按
SOAPdenobo是soap系列軟體中最好用的一款。已經完成非常多的基因組的拼接了，我曾經用過模擬數據，比較SOAPdenovo和velvet以及spades等幾款軟體的拼接效果，SOAPdenovo無論是完整性還是準確性方面效果否非常好。

一、功能分類：

序列拼接

二、軟體官網：

http://sourceforge.net/projects/soapdenovo2/files/SOAPdenovo2/

三、軟體介紹:

SOAPdenovo是由華大基因開發的SOAP軟體包的一部分，SOAPdenovo主要用於短序列reads拼接，尤其是illumina測序數據。從小的細菌基因組到大的動植物基因組，人基因組都適用。已經成功應用於大熊貓基因組，黃瓜基因組等眾多基因組的拼接中。
SOAPdenovo的一個優點是使用起來比較簡單，但是卻擁有很好的拼接效果，尤其在基因組構建Scaffold方面，效果很好。對於內存控制的也比較好。通常只要給軟體輸入測序的數據，即可拼接出很好的全基因組。

四、下載安裝：

wget https://sourceforge.net/projects/soapdenovo2/files/SOAPdenovo2/bin/r240/SOAPdenovo2-bin-LINUX-generic-r240.tgz
tar -zxvf SOAPdenovo2-bin-LINUX-generic-r240.tgz

五、軟體使用：

SOAPdenovo需要使用一個配置文件，將數據路徑寫入配置文件中，可以使用多個文庫。

max_rd_len=90
[LIB]
avg_ins=439
reverse_seq=0
asm_flags=3
rank=1
pair_num_cutoff=3
q1=../../../Data/reads.1.fq.gz
q2=../../../Data/reads.2.fq.gz

選項參數。
   -s  STR     配置文件
   -o  STR     輸出文件的文件名前綴
   -g  STR     輸入文件的文件名前綴，這個主要用在分布運行程序的時候。
   -K  INT     輸入的K-mer值大小，默認值23，取值範圍 13-63
   -p  INT     程序運行時設定的線程數，默認值8
   -R          利用read鑑別短的重複序列，默認值不進行此操作
   -d  INT     去除頻數不大於該值的k-mer，默認值為0
   -D  INT         去除頻數不大於該值的由k-mer連接的邊，默認值為1，即該邊上每個點的頻數都小於等於1時才去除
   -M  INT     連接contig時合併相似序列的等級，默認值為1，最大值3。
     -F          利用read對scaffold中的gap進行填補，默認不執行
   -u          構建scaffold前不屏蔽高覆蓋度的contig，這裡高頻率覆蓋度指平均contig覆蓋深度的2倍。默認屏蔽
   -G  INT        估計gap的大小和實際補gap的大小的差異，默認值為50bp。
   -L          用於構建scaffold的contig的最短長度，默認為：Kmer參數值 ×2
   -k   INT map步驟中kmer的大小，默認是和K一樣的kmer大小
    -N  INT  基因組大小
    -V 輸出可視化的組裝信息

六、使用案例：

SOAPdenovo-63mer  all -s lib.config -K 45 -d 1 -D 1 -o kmer45 -F >kmer45.log

七、注意事項：

1、軟體需要使用配置文件；
2、如果使用matepair文庫，配置文件中一些選項需要修改。