Flye でゲノムを組み立てる | iWellness 実践・研修

1. Flye をインストールする

cd /home/bsjinzai
conda activate wgs-long
conda install --override-channels -c conda-forge -c bioconda \
  --strict-channel-priority flye
flye --version

アセンブリは、複数のリードから元の配列を推定する処理です。ひと続きに組み立てた配列を contig と呼びます。参照ゲノムを与えずに組み立てる方法が de novo アセンブリです。

2. Nanopore 単独でアセンブリする

flye \
  --nano-raw qc/nanopore.filtered.fastq.gz \
  --genome-size 3.2m \
  --out-dir assembly/nanopore \
  --threads 8 \
  --iterations 1 \
  > logs/flye.stdout.log 2> logs/flye.stderr.log

指定	意味
`--nano-raw`	今回の配布リードに合わせた旧世代Nanopore向けのモード
`--genome-size 3.2m`	推定ゲノムサイズ3.2 Mb
`--out-dir`	結果を保存するフォルダ
`--threads 8`	使用するスレッド数
`--iterations 1`	Flye内部の最終polishingを1回行う

高精度のNanoporeリードには --nano-hq など別の設定を使います。Flyeの入力データ別の説明を参照してください。

出力をログに保存しているため、画面には進行状況が表示されません。進行状況を見るには、別のPowerShellからSSH接続し、cd /home/bsjinzaiの後でtail -f assembly/nanopore/flye.logを実行します。ログ表示は Ctrl+C で終了します。

3. 3つの出力を確認する

ログで完了を確認してから、出力を調べます。

ls -lh assembly/nanopore/assembly.fasta \
  assembly/nanopore/assembly_graph.gfa \
  assembly/nanopore/assembly_info.txt
cat assembly/nanopore/assembly_info.txt
seqkit stats -a -T assembly/nanopore/assembly.fasta \
  > results/flye.stats.tsv
cat results/flye.stats.tsv
conda list --explicit > logs/wgs-long.flye.explicit.txt

ファイル	読み取れること
`assembly.fasta`	組み立てたcontigの塩基配列
`assembly_graph.gfa`	グラフの配列断片と接続情報
`assembly_info.txt`	contigごとの長さ、coverage、環状化など

assembly_info.txt の length は長さ、cov. はFlyeが推定したcoverage、circ. の Y は環状と判定されたことを示します。推定サイズの3.2 Mbを目安に総長を比べ、長い配列と短い配列があるかを調べます。

4. 観察を記録する

contig数、総長、最長contig、N50、circ.=Y の本数を記録シートに残します。小さな環状配列が見えても、形だけでプラスミドと断定しません。

Raconの結果と比較するため、FlyeのFASTAを残します。