1.簡介
ntsynt是一個用于多個全基因組比對并識別共線塊的工具，它的核心思路是通過利用minimizers和graph-based方法來識別基因組間的共線塊，核心步驟如下：為每個基因組生成有序的minimizers草圖-->篩選出單拷貝的minimizers-->構(gòu)建初始minimizer圖(minimizers作為節(jié)點，基因組上相鄰的minimizers作為邊)-->初始minimizer圖優(yōu)化(移除纏結(jié)關(guān)系)-->初始共線塊識別-->迭代細化(對于初始共線塊中不存在的minimizers草圖采用更小的minimizers生成minimizer圖并簡化)-->最終的共線塊。
Tips：實測12個1G的基因組跑90min結(jié)束；
2.安裝
conda create -n ntsynt python=3.10
conda activate ntsynt
conda install -c bioconda -c conda-forge ntsynt intervaltree pybedtools ncls python-igraph gcc meson ninja snakemake samtools seqtk btllib=1.6.2
3.輸入文件
usage: ntSynt [-h] [--fastas_list FASTAS_LIST] -d DIVERGENCE [-p PREFIX] [-k K] [-w W] [-t T] [--fpr FPR] [-b BLOCK_SIZE] [--merge MERGE]
[--w_rounds W_ROUNDS [W_ROUNDS ...]] [--indel INDEL] [-n] [--benchmark] [-f] [--dev] [-v]
[fastas ...]
ntSynt: Multi-genome synteny detection using minimizer graphs
positional arguments:
fastas Input genome fasta files
optional arguments:
-h, --help show this help message and exit
--fastas_list FASTAS_LIST
File listing input genome fasta files, one per line
-d DIVERGENCE, --divergence DIVERGENCE
Approx. maximum percent sequence divergence between input genomes (Ex. -d 1 for 1% divergence).
This will be used to set --indel, --merge, --w_rounds, --block_size
See below for set values - You can also set any of those parameters yourself, which will override these settings.
-p PREFIX, --prefix PREFIX
Prefix for ntSynt output files [ntSynt.k<k>.w<w>]
-k K Minimizer k-mer size [24]
-w W Minimizer window size [1000]
-t T Number of threads [12]
--fpr FPR False positive rate for Bloom filter creation [0.025]
-b BLOCK_SIZE, --block_size BLOCK_SIZE
Minimum synteny block size (bp)
--merge MERGE Maximum distance between collinear synteny blocks for merging (bp).
Can also specify a multiple of the window size (ex. 3w)
--w_rounds W_ROUNDS [W_ROUNDS ...]
List of decreasing window sizes for synteny block refinement
--indel INDEL Threshold for indel detection (bp)
-n, --dry-run Print out the commands that will be executed
--benchmark Store benchmarks for each step of the ntSynt pipeline
-f, --force Run all ntSynt steps, regardless of existing output files
--dev Run in developer mode to retain intermediate files, log verbose output
-v, --version show program's version number and exit
運行示例：
ntSynt -d 5 assembly1.fa assembly2.fa assembly3.fa
或者
ntSynt -d 5 --fastas_list fasta_list -t 30
4.輸出文件
輸出文件是<prefix>.synteny_blocks.tsv，每一列信息如下：
1.共線塊ID
2.基因組文件名
3.基因組染色體名字
4.基因組起始坐標(biāo)
5.基因組終止坐標(biāo)
6.基因組染色體方向
7.在該共線塊中比對到的minimizers的數(shù)量
8.與上一個共線塊不連續(xù)的原因
5.共線塊的評估
使用analysis_scripts/denovo_synteny_block_stats.py評估
python3 denovo_synteny_block_stats.py -h
usage: denovo_synteny_block_stats.py [-h] --tsv TSV --fai FAI [FAI ...]
Compute de novo stats on synteny blocks
optional arguments:
-h, --help show this help message and exit
--tsv TSV ntSynt synteny block file
--fai FAI [FAI ...] FAI files for the compared genomes
結(jié)果文件解析：
第一列是共線塊的數(shù)量
第二列是在所有基因組中均包含的共線塊的數(shù)量
第三列是平均共線塊覆蓋度
第四列是在所有基因組中均包含的平均共線塊覆蓋度
第五列是共線塊的平均值長度(bp)
第六列是共線塊的中位值長度(bp)
第七列是所有共線塊的總長
第八列是共線塊NG50長度(bp)
第九列是共線塊N50長度(bp)
6.Tips
6.1 如果超內(nèi)存，可以通過增加 --fpr值來降低峰值內(nèi)存；
6.2 如果不知道-d如何設(shè)置，可以根據(jù)Mash軟件的dist功能計算
###下載
wget -c https://github.com/marbl/Mash/releases/download/v2.3/mash-Linux64-v2.3.tar
tar xvf mash-Linux64-v2.3.tar
###使用
mash dist -p 10 A.genome.fa B.genome.fa
###結(jié)果
reference-ID query-ID distance p-value shared-hashes
A.genome.fa B.genome.fa 0.117785 1.05717e-96 44/1000
6.3 由于--merge, --indel, --block_size and --w_rounds建議根據(jù)自己的項目的經(jīng)驗值設(shè)置；
6.4 ntSynt-viz可視化方便快捷(剛開發(fā)的軟件功能不是很齊全，比如修改染色體長度、染色體形狀、共線塊顏色、突出用戶自己感興趣的區(qū)域等都不行)，visualization_scripts本軟件自帶的除了安裝麻煩，還不能過濾染色體長度、共線塊長度、添加顏色等信息；
