GCE下載安裝
在Linux系統(tǒng)下，直接在下載鏈接ftp中下載安裝。
GCE主要包含兩個(gè)主程序：kmer_freq_hash，用于k-mer頻數(shù)統(tǒng)計(jì)；gce，用于基因組特征評(píng)估。
gce，基因組特征評(píng)估
可首先使用“gce -h”查看參數(shù)。
其中，常用參數(shù)選項(xiàng)說(shuō)明：
-f，k-mer頻數(shù)統(tǒng)計(jì)表；
-c，k-mer頻數(shù)統(tǒng)計(jì)結(jié)果的“主峰”對(duì)應(yīng)的頻數(shù)，即k-mer曲線的主峰所對(duì)應(yīng)的橫坐標(biāo)；
-g，k-mer片段總數(shù)，缺省時(shí)默認(rèn)使用輸入k-mer頻數(shù)統(tǒng)計(jì)表文件計(jì)算k-mer總數(shù)；
-b，數(shù)據(jù)是（1）否（0，默認(rèn)）有bias；
-H，使用雜合模式（1），或者單倍體模式（0，默認(rèn)）；
-m，估算模型的選擇，離散型（0，默認(rèn)）或連續(xù)型（1）；
-M，設(shè)定計(jì)算時(shí)所支持的最大k-mer頻數(shù)，默認(rèn)256；
-D，期望值精度，默認(rèn)為?1；若-m參數(shù)選擇1，推薦該值設(shè)定為8；
非雜合模式示例
此處使用上述得到的k-mer頻數(shù)統(tǒng)計(jì)結(jié)果文件“test.freq.stat”進(jìn)行基因組特征評(píng)估。
輸入文件“test.freq.stat”，該文件中，峰值對(duì)應(yīng)k-mer頻數(shù)等于58的位置，不再指定k-mer片段總數(shù)而是默認(rèn)使用輸入k-mer頻數(shù)統(tǒng)計(jì)表文件計(jì)算k-mer總數(shù)，已知該物種基因組為單倍體，故不使用雜合模式，使用連續(xù)型估算模型且期望值精度設(shè)定為8，設(shè)置計(jì)算時(shí)所支持的最大k-mer頻數(shù)256（若k-mer頻數(shù)表由kmer_freq_hash得到，則可缺省，非kmer_freq_hash所得結(jié)果一定要設(shè)置該參數(shù)）。
程序運(yùn)行完畢得到結(jié)果文件“test.gce.stat”和“test.gce.log”。
“test.gce.stat”為中間計(jì)算結(jié)果輸出，一般情況下無(wú)需關(guān)注。
“test.gce.log”為程序運(yùn)行的日志文件，同時(shí)記錄了物種基因組特征評(píng)估結(jié)果。評(píng)估統(tǒng)計(jì)結(jié)果同樣在該文件的最下方，
raw_peak，k-mer頻數(shù)統(tǒng)計(jì)結(jié)果的“主峰”頻數(shù)；
now_node，k-mer的種類(lèi)數(shù)；
low_kmer，低覆蓋度的k-mer數(shù)；
now_kmer，過(guò)濾低覆蓋度的k-mer數(shù)后的k-mer總數(shù)；
cvg，估算出的測(cè)序平均深度；
genome_size，估算出的基因組大小，genome_size = now_kmer / cvg?；
a[1]，僅出現(xiàn)1次的k-mer種類(lèi)數(shù)占k-mer種類(lèi)數(shù)總數(shù)的比值；
b[1]，僅出現(xiàn)1次的k-mer片段數(shù)量占k-mer片段總數(shù)量的比值；該值可用于表征基因組中拷貝數(shù)為1的序列比例，則1-b[1]可認(rèn)定為重復(fù)序列比例。
雜合模式示例
若測(cè)序物種的基因組高雜合（如通過(guò)k-mer曲線判斷，例如曲線中存在雜合峰），我們可考慮運(yùn)行雜合模式，此時(shí)相較于非雜合模式的運(yùn)行結(jié)果會(huì)更佳。當(dāng)然，若測(cè)序物種的基因組僅為簡(jiǎn)單基因組（無(wú)雜合），則是不能使用雜合模式運(yùn)行的，強(qiáng)行運(yùn)行雜合模式結(jié)果將相當(dāng)不可靠。
此處繼續(xù)使用上述得到的k-mer頻數(shù)統(tǒng)計(jì)結(jié)果文件“test.freq.stat”進(jìn)行基因組特征評(píng)估。雖然該測(cè)序物種的k-mer曲線顯示其為單倍體，不可以使用雜合模式；但此處作為示例主要演示軟件的使用，因此請(qǐng)無(wú)需在意該操作的正確性。
輸入文件“test.freq.stat”，同上述，該文件中峰值對(duì)應(yīng)k-mer頻數(shù)等于58的位置，不再指定k-mer片段總數(shù)而是默認(rèn)使用輸入k-mer頻數(shù)統(tǒng)計(jì)表文件計(jì)算k-mer總數(shù)，此處使用雜合模式，并使用連續(xù)型估算模型且期望值精度設(shè)定為8，設(shè)置計(jì)算時(shí)所支持的最大k-mer頻數(shù)256（若k-mer頻數(shù)表由kmer_freq_hash得到，則可缺省，非kmer_freq_hash所得結(jié)果一定要設(shè)置該參數(shù)）。
與上述結(jié)果一致，程序運(yùn)行完畢得到結(jié)果文件“test.gce.stat”和“test.gce.log”。然后我們關(guān)注“test.gce.log”最下方的統(tǒng)計(jì)結(jié)果。
前面幾項(xiàng)統(tǒng)計(jì)指標(biāo)（raw_peak、now_node、genome_size等）是固定的，但統(tǒng)計(jì)結(jié)果與非雜合模式略有不同，需要注意。
此處多了雜合度評(píng)估結(jié)果，其中：
a[1/2]，雜合k-mer種類(lèi)數(shù)占k-mer種類(lèi)數(shù)總數(shù)的比值；此時(shí)，kmer-species heterozygous ratio = a[1/2] / ( 2- a[1/2])，雜合率?= kmer-species heterozygous ratio / k-mer長(zhǎng)度（例如本示例中為17）；
b[1/2]，雜合k-mer片段數(shù)量占k-mer片段總數(shù)量的比值；此時(shí)，1-b[1]-b[1/2]可認(rèn)定為重復(fù)序列比例。
結(jié)合其它K-mer分析工具一起使用
由于GCE的kmer_freq_hash程序統(tǒng)計(jì)k-mer頻數(shù)時(shí)，支持的最大頻數(shù)深度為225，出現(xiàn)次數(shù)大于255的k-mer數(shù)量會(huì)與出現(xiàn)次數(shù)等于255的k-mer數(shù)量合并，因此有時(shí)可能無(wú)法滿(mǎn)足分析需求。因此，我們可以考慮將GCE結(jié)合其它k-mer分析工具一起使用。
如下示例，依然使用了本次的測(cè)試數(shù)據(jù)。首先使用JELLYFISH進(jìn)行k-mer頻數(shù)統(tǒng)計(jì)，之后將JELLYFISH的結(jié)果輸入至GCE中，評(píng)估物種基因組大小、重復(fù)序列含量等信息。由于JELLYFISH支持最大k-mer頻數(shù)為10000，因此我們可知，結(jié)合JELLYFISH（JELLYFISH+gce）一起分析的結(jié)果與只使用GCE（kmer_freq_hash+gce）分析的結(jié)果相比會(huì)更加準(zhǔn)確。
其中，JELLYFISH使用說(shuō)明可參見(jiàn)：http://blog.sciencenet.cn/blog-3406804-1161522.html
基因組特征最終評(píng)估結(jié)果如下所示。特別注意，由于JELLYFISH支持最大k-mer頻數(shù)為10000，因此在此處的gce參數(shù)中，-M設(shè)定為10001。
