简介wtdbg2是一款针对 PacBio 或牛津纳米孔ONT长噪音读长的从头组装器。它直接组装原始读长、不预先纠错再从中间组装结果构建一致性序列。wtdbg2 可组装人类基因组甚至 32Gb 蝾螈基因组速度比 CANU、FALCON快数十倍同时产出的 contig 碱基准确度相当。组装过程中wtdbg2 将读长切分为1024bp 片段把相似片段合并成图的顶点再依据片段在原读长上的邻接关系连接顶点形成模糊布鲁因图Fuzzy Bruijn Graph, FBG。它类似传统 De Bruijn 图但允许错配 / 缺失并在合并 k‑mer 时保留读长路径这一点是 wtdbg2 与多数长读长组装器的核心区别。https://github.com/ruanjue/wtdbg2 #官网安装wtdbg2仅支持 64 位 Linux。 编译在源码目录执行make然后把wtdbg2、wtpoa-cns加入环境变量 PATH 即可。附带工具近似比对器kbm更快但精度略低的一致性工具wtdbg‑cnsscripts 目录包含多种辅助脚本git clone https://github.com/ruanjue/wtdbg2 cd wtdbg2 make使用 wtdbg2.pl 快速运行 ./wtdbg2.pl -t 16 -x rs -g 4.6m -o dbg reads.fa.gz 分步命令行推荐 1长读长组装 ./wtdbg2 -x rs -g 4.6m -i reads.fa.gz -t 16 -fo dbg 2生成一致性序列 ./wtpoa-cns -t 16 -i dbg.ctg.lay.gz -fo dbg.raw.fa 3对一致性序列进行抛光若打算用其他工具抛光此步可略 minimap2 -t16 -ax map-pb -r2k dbg.raw.fa reads.fa.gz | samtools sort -4 dbg.bam samtools view -F0x900 dbg.bam | ./wtpoa-cns -t 16 -d dbg.raw.fa -i - -fo dbg.cns.fa 4用短读长进一步抛光可选 bwa index dbg.cns.fa bwa mem -t 16 dbg.cns.fa sr.1.fa sr.2.fa | samtools sort -O SAM | ./wtpoa-cns -t 16 -x sam-sr -d dbg.cns.fa -i - -fo dbg.srp.fa使用说明wtdbg2 包含两个核心组件组装器 wtdbg2组装原始读长输出prefix.ctg.lay.gzcontig 布局与边序列一致性工具 wtpoa‑cns输入上述文件输出最终 FASTA 一致性序列标准流程./wtdbg2 -x rs -g 4.6m -t 16 -i reads.fa.gz -fo prefix ./wtpoa-cns -t 16 -i prefix.ctg.lay.gz -fo prefix.ctg.fa参数说明-g预估基因组大小-x测序平台必须最先设置rsPacBio RSIIsqPacBio SequelccsPacBio CCSHiFiont牛津纳米孔组装不佳时可调参数-k普通 k‑mer 长度-p均聚物压缩HPCk‑mer长度-Sk‑mer 采样率默认 1/4低覆盖可减小-S提高采样率但内存峰值显著上升-e图中边的最小覆盖度默认 3按测序深度调整-A低覆盖数据优化牺牲速度-L5000PacBio 数据经验最优推荐开启查看完整参数wtdbg2 --help或README‑ori.md各数据集资源消耗组装阶段数据集基因组大小覆盖度组装参数组装 CPU 时间一致性 CPU 时间实际总耗时内存峰值大肠杆菌4.6MbPB ×20-x rs -g4.6m -t1653 秒8 分 54 秒42 秒1.0G秀丽隐杆线虫100MbPB ×80-x rs -g100m -t321 小时 07 分5 小时 06 分13 分 42 秒11.6G黑腹果蝇 A4144mPB ×120-x rs -g144m -t322 小时 06 分5 小时 11 分26 分 17 秒19.4G黑腹果蝇 ISO1144mONT ×32-x ont -g144m -t325 小时 12 分4 小时 30 分25 分 59 秒17.3G拟南芥125MbPB ×75-x sq -g125m -t3211 小时 26 分4 小时 57 分49 分 35 秒25.7G人类 NA128783GbONT ×36-x ont -g3g -t31793 小时 11 分97 小时 46 分31 小时 03 分221.8G人类 NA192403GbONT ×35-x ont -g3g -t31935 小时 31 分89 小时 17 分35 小时 20 分215.0G人类 HG007333GbPB ×93-x sq -g3g -t472114 小时 26 分152 小时 24 分52 小时 22 分338.1G人类 NA243853GbCCS ×28-x ccs -g3g -t31231 小时 25 分58 小时 48 分10 小时 14 分112.9G人类 CHM13GbPB ×60-x rs -g3g -t96105 小时 33 分139 小时 24 分5 小时 17 分225.1G蝾螈32GbPB ×32-x rs -g32g -t962806 小时 40 分1456 小时 13 分110 小时 16 分1788.1G测试环境三台不同配置服务器运行间存在波动你的机器耗时会有差异组装结果下载ftp://ftp.dfci.harvard.edu/pub/hli/wtdbg/局限性纳米孔数据组装结果往往比真实基因组偏小。同时输入 FASTA FASTQ 时必须先放 FASTQ、后放 FASTA否则程序无法识别会把所有 FASTQ 合并成一条读长。引用Ruan, J. and Li, H. (2019) Fast and accurate long-read assembly with wtdbg2.Nat Methodsdoi:10.1038/s41592-019-0669-3
wtdbg v2.5安装与使用--生信工具105
简介wtdbg2是一款针对 PacBio 或牛津纳米孔ONT长噪音读长的从头组装器。它直接组装原始读长、不预先纠错再从中间组装结果构建一致性序列。wtdbg2 可组装人类基因组甚至 32Gb 蝾螈基因组速度比 CANU、FALCON快数十倍同时产出的 contig 碱基准确度相当。组装过程中wtdbg2 将读长切分为1024bp 片段把相似片段合并成图的顶点再依据片段在原读长上的邻接关系连接顶点形成模糊布鲁因图Fuzzy Bruijn Graph, FBG。它类似传统 De Bruijn 图但允许错配 / 缺失并在合并 k‑mer 时保留读长路径这一点是 wtdbg2 与多数长读长组装器的核心区别。https://github.com/ruanjue/wtdbg2 #官网安装wtdbg2仅支持 64 位 Linux。 编译在源码目录执行make然后把wtdbg2、wtpoa-cns加入环境变量 PATH 即可。附带工具近似比对器kbm更快但精度略低的一致性工具wtdbg‑cnsscripts 目录包含多种辅助脚本git clone https://github.com/ruanjue/wtdbg2 cd wtdbg2 make使用 wtdbg2.pl 快速运行 ./wtdbg2.pl -t 16 -x rs -g 4.6m -o dbg reads.fa.gz 分步命令行推荐 1长读长组装 ./wtdbg2 -x rs -g 4.6m -i reads.fa.gz -t 16 -fo dbg 2生成一致性序列 ./wtpoa-cns -t 16 -i dbg.ctg.lay.gz -fo dbg.raw.fa 3对一致性序列进行抛光若打算用其他工具抛光此步可略 minimap2 -t16 -ax map-pb -r2k dbg.raw.fa reads.fa.gz | samtools sort -4 dbg.bam samtools view -F0x900 dbg.bam | ./wtpoa-cns -t 16 -d dbg.raw.fa -i - -fo dbg.cns.fa 4用短读长进一步抛光可选 bwa index dbg.cns.fa bwa mem -t 16 dbg.cns.fa sr.1.fa sr.2.fa | samtools sort -O SAM | ./wtpoa-cns -t 16 -x sam-sr -d dbg.cns.fa -i - -fo dbg.srp.fa使用说明wtdbg2 包含两个核心组件组装器 wtdbg2组装原始读长输出prefix.ctg.lay.gzcontig 布局与边序列一致性工具 wtpoa‑cns输入上述文件输出最终 FASTA 一致性序列标准流程./wtdbg2 -x rs -g 4.6m -t 16 -i reads.fa.gz -fo prefix ./wtpoa-cns -t 16 -i prefix.ctg.lay.gz -fo prefix.ctg.fa参数说明-g预估基因组大小-x测序平台必须最先设置rsPacBio RSIIsqPacBio SequelccsPacBio CCSHiFiont牛津纳米孔组装不佳时可调参数-k普通 k‑mer 长度-p均聚物压缩HPCk‑mer长度-Sk‑mer 采样率默认 1/4低覆盖可减小-S提高采样率但内存峰值显著上升-e图中边的最小覆盖度默认 3按测序深度调整-A低覆盖数据优化牺牲速度-L5000PacBio 数据经验最优推荐开启查看完整参数wtdbg2 --help或README‑ori.md各数据集资源消耗组装阶段数据集基因组大小覆盖度组装参数组装 CPU 时间一致性 CPU 时间实际总耗时内存峰值大肠杆菌4.6MbPB ×20-x rs -g4.6m -t1653 秒8 分 54 秒42 秒1.0G秀丽隐杆线虫100MbPB ×80-x rs -g100m -t321 小时 07 分5 小时 06 分13 分 42 秒11.6G黑腹果蝇 A4144mPB ×120-x rs -g144m -t322 小时 06 分5 小时 11 分26 分 17 秒19.4G黑腹果蝇 ISO1144mONT ×32-x ont -g144m -t325 小时 12 分4 小时 30 分25 分 59 秒17.3G拟南芥125MbPB ×75-x sq -g125m -t3211 小时 26 分4 小时 57 分49 分 35 秒25.7G人类 NA128783GbONT ×36-x ont -g3g -t31793 小时 11 分97 小时 46 分31 小时 03 分221.8G人类 NA192403GbONT ×35-x ont -g3g -t31935 小时 31 分89 小时 17 分35 小时 20 分215.0G人类 HG007333GbPB ×93-x sq -g3g -t472114 小时 26 分152 小时 24 分52 小时 22 分338.1G人类 NA243853GbCCS ×28-x ccs -g3g -t31231 小时 25 分58 小时 48 分10 小时 14 分112.9G人类 CHM13GbPB ×60-x rs -g3g -t96105 小时 33 分139 小时 24 分5 小时 17 分225.1G蝾螈32GbPB ×32-x rs -g32g -t962806 小时 40 分1456 小时 13 分110 小时 16 分1788.1G测试环境三台不同配置服务器运行间存在波动你的机器耗时会有差异组装结果下载ftp://ftp.dfci.harvard.edu/pub/hli/wtdbg/局限性纳米孔数据组装结果往往比真实基因组偏小。同时输入 FASTA FASTQ 时必须先放 FASTQ、后放 FASTA否则程序无法识别会把所有 FASTQ 合并成一条读长。引用Ruan, J. and Li, H. (2019) Fast and accurate long-read assembly with wtdbg2.Nat Methodsdoi:10.1038/s41592-019-0669-3
