QUAST:评估基因组组装效果

QUAST:评估基因组组装效果

欢迎关注"生信修炼手册"！

对于不同kmer或者不同软件的基因组组装结果，我们通常会通过N50等指标来进行评估。

对于一个组装出来的序列，不论是contig还是scaffold, 首先将各个序列根据长度从大到小排序，然后从第一个序列开始，将长度进行累加，直到累加的长度超过了总长度的50%，此时，最后一个累加的contig的长度就是N50的长度。示意图如下

上图中N50的长度就是60，和N50的概念类似，还有N75, N90等说法，这些指标可以统称为Nx。Nx越大，说明组装出来的片段长度越长一定程度上，证实了组装结果越好。

除了Nx指标外，还有Lx指标，比如L50,指的是累加的contig的个数，示意图如下

上图中L50的值是3。在实际分析中，我们可以通过现有软件来计算N50， L50等指标，quast就是最常用的软件之一。该软件有在线服务，链接如下

​​xzvf quast-4.6.3.tar.gzcd quast-4.6.3/

quast基于python开发，以来matplotlib库进行绘图，保证python和matplotlib安装好，然后直接-源代码，解压缩就可以使用了。

用法如下

python quast.py -t 10 -o test1_out contigs.fasta

​​-t​​​参数指定线程数，​​-o​​参数指定输出结果的目录。运行完成后，输出目录会生成如下文件

├── basic_stats├── icarus.html├── icarus_viewers├── quast.log├── report.html├── report.tex├── report.tsv├── report.txt├── transposed_report.tex├── transposed_report.tsv└── transposed_report.txt

直接看report.html文件就就可以了。

1. contig基本信息统计表

quast 会统计不同长度的contig的个数，以及N50,L50等指标，示例结果如下

2. Nx 长度分布曲线

横坐标为Nx，纵坐标为Nx的值，示意图如下

3. contig长度累计曲线

横坐标为contig个数，纵坐标为累加的长度，示意图如下

4. GC含量分布图

窗口的GC含量分布图，quast将每个contig划分为长度100bp的窗口，统计每个窗口的GC含量, 横坐标为GC含量，纵坐标为窗口个数, 示意图如下

contig GC含量分布图，对于每个contig,统计GC含量，横坐标为GC含量，纵坐标为contig个数，示意图如下

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。