使用 GCE 進(jìn)行基因組大小評(píng)估

最近在嘗試做基因組大小的評(píng)估。嘗試了幾款軟件。今天介紹一下GCE的使用。該軟件GCE(Genome Characteristics Estimation) 是華大基因用于基因組評(píng)估的軟件。最早的版本（gce-1.0.0）發(fā)表于2012年, 其參考文獻(xiàn)為：Estimation of genomic characteristics by analyzing k-mer frequency in de novo genome projects。時(shí)隔8年，終于更新啦！2020年更新版本為gce-1.0.2，軟件下載地址?ftp://ftp.genomics.org.cn/pub/gce。

以前GCE 軟件包中主要包含kmer_freq_hash 和 gce 兩支程序。前者用于進(jìn)行 kmer的頻數(shù)統(tǒng)計(jì)，后者在前者的結(jié)果上進(jìn)行基因組大小的準(zhǔn)確估算。最近更新的版本（gce1.0.2）主要包含kmerfreq和gce兩支程序。程序使用參數(shù)有所變動(dòng)。

1.GCE 下載和安裝

wget

ftp://ftp.genomics.org.cn/pub/gce/gce-1.0.2

tar -xzvf gce.tar.gz

cd gce-1.0.2

make

出現(xiàn)make: Nothing to be done for 'all'，上網(wǎng)查了一下，應(yīng)該是已經(jīng)編譯好了，可以直接使用。.

溫馨提示：記得添加環(huán)境變量

(1) gce

gce -h 可以看到其用法，如下圖：

圖1

Usage:? gce(genomiccharactor estimator) [option]

Version: 1.0.2

Author:? ?BGIShenZhen

-f?? ?? depth frequency file with two columns: depthvalue and kmer species number?#深度頻率文件共兩列：kmer重復(fù)次數(shù)和kmer種類數(shù)

-c?? ?? expected depth for unique kmer, which can be obtained by checking the data with human eyes?# 唯一kmer的期望深度

-g?? ?? total kmer number, i.e. total number of kmerindividuals #全部kmer數(shù)量

-b? ?? have bias(1) or not(0), default=0

-H? ?? use hybrid mode(1) or not(0), default=0 #使用雜合模式（1），不使用（0），默認(rèn)不使用。

-m ?? estimation mode: discrete mode(0) andcontinuous mode(1), default=0 #估算模型：離散型（0），連續(xù)型（1），默認(rèn)離散型。

-M ?? max depth value, information for larger depthwill be ignored, default=1500 #最大深度值，默認(rèn)1500，超過(guò)此數(shù)值的將被忽略，

-D? ?? precision of expect value, default=1

-d? ? ?difference cut off, default=0.0001

-i?? ?? iterate cycle number cut off, default=10000

,-h? this help

Example:

(1) Before run gce, firstly get the total kmer number anddepth frequency file from the kmerfreq result file (example: AF.kmer.freq.stat)

??? ?lessAF.kmer.freq.stat | grep "#Kmer indivdual number"

???? less AF.kmer.freq.stat | perl-ne 'next if(/^#/ || /^\s/); print; ' | awk '{print $1"\t"$2}' >AF.kmer.freq.stat.2colum

(2) Run gce in homozygous mode, suitable for homozygousand near-homozygous genome (-g and -f must be set at the same time)

?? ??gce-g 173854609857 -f AF.kmer.freq.stat.2colum >gce.table 2>gce.log

(3) Run gce in heterzygous mode, siutable forheterozgyous genome (-H and -c must be set at the same time)

???? gce -g 173854609857 -fAF.kmer.freq.stat.2colum -c 75 -H 1 >gce2.table 2>gce2.log

圖2?

?(2)?kmerfreq?

kmerfreq? [options]

?Version 4.0

?? -k? kmer size, recommand value13 to 19, default=17

#設(shè)置 kmer 的大小。推薦該值為 13~19，默認(rèn)值為17

?? -f? input file format: 1:fq|gz(one-line), 2: fa|gz(one-line), default=1?

#輸入文件格式 1 fq|gz(one-line), 2: fa|gz(one-line),默認(rèn)為1

?? -p? output file prefix,default=reads_files.lib

#輸出文件前綴，默認(rèn)reads_files.lib

?? -r? number of reads stored inbuffer memory, default=10000

?? -t? thread number to use inparallel, default=10

#線程數(shù) 默認(rèn)10

?? -w? whether output kmer sequenceand frequency value, , 1:yes, 0:no, default=0

#是否輸出kmer序列和頻率值，1:yes, 0:no,默認(rèn)不輸出。

?? -c? kmer frequency cutoff, equalor larger will be output, co-used with -w, default=5

#kmer頻率終止值，等于或者大于默認(rèn)值的會(huì)被輸出。與-w一起使用，默認(rèn)值為5。

?? -m? whether output computermemory data, 1:yes, 0:no, default=0

#是否輸出計(jì)算機(jī)內(nèi)存數(shù)據(jù)，1:yes, 0:no,默認(rèn)不輸出。

?? -q? kmer frequency cutoff, 0 forlower, 1 for equal and larger, co-used with -m,?default=5

#kmer頻率截止值，小于默認(rèn)值為0，等于或者大于默認(rèn)值為1，默認(rèn)值為5.

?? -h??????? get help information

#獲取幫助信息

Example: kmerfreq?reads_files.lib

????????kmerfreq? -k 17 -t 10 -p Ecoli_K17reads_files.lib

????????kmerfreq? -k 17 -t 10 -p Ecoli_K17-w 1 -c 5 reads_files.lib

????????kmerfreq? -k 17 -t 10 -p Ecoli_K17-m 1 -q 5 reads_files.lib

GCE命令行：

kmerfreq? -k 17 -t 10 -p Ecoli_K17reads_files.lib

less AF.kmer.freq.stat | grep "#Kmer indivdual number"

less AF.kmer.freq.stat | perl-ne 'next if(/^#/ || /^\s/); print; ' | awk '{print $1"\t"$2}' >AF.kmer.freq.stat.2colum

gce -g 173854609857 -f AF.kmer.freq.stat.2colum >gce.table 2>gce.log? ?or

gce -g 173854609857 -f AF.kmer.freq.stat.2colum -c 75 -H 1 >gce2.table2>gce2.log

2.結(jié)果展示（以kmer=17為例）：

圖3

這里的基因組大小計(jì)算為： genome size=effective_kmer_individuals/coverage_depth=460468198.15143bp，即約460Mb。

參考：陳連福的生信博客：http://www.chenlianfu.com/?p=2335

? ? ? ??