宏基因组实战之：样本组装

紧接上文, 质控去除宿主（土壤样本不需要去宿主）后下一步对样本序列进行组装。

1、组装工具

宏基因组学中常用序列组装工具不少，如SOAPdenovo2、megagit，spades、metaSPAdes、MOCAT2、IDBA-UD等各有优劣，下面两个软件是分析过程中比较常用的。

• spades：https://github.com/ablab/spades
• megahit：https://github.com/voutcn/megahit

原文中用的是megahit组装，kmer设置21到101每20为间隔且最短长度要达到1k长，这里我们两个软件都是试下，看哪个结果好点。

megahit组装参数：

magahit -1 sample_paired_1.fastq
	-2 sample_paired_2.fastq
	--k-list 21,41,61,81,101 
	--min-contig-len 1000 
	-o res_megahit

spades组装参数：

spades.py -1 sample_paired_1.fastq
	-2 sample_paired_2.fastq
	--meta
	-k 21,41,61,81,101
	-o  res_spades

spades没有最短序列的过滤参数，我也懒得再去筛选了哈哈，最终结果用quast统计下。
megahit结果：

Statistics without reference	final.contigs
# contigs	378
# contigs (>= 0 bp)	378
# contigs (>= 1000 bp)	378
# contigs (>= 5000 bp)	60
# contigs (>= 10000 bp)	27
# contigs (>= 25000 bp)	7
# contigs (>= 50000 bp)	2
Largest contig	94957
Total length	1479335
Total length (>= 0 bp)	1479335
Total length (>= 1000 bp)	1479335
Total length (>= 5000 bp)	905258
Total length (>= 10000 bp)	679542
Total length (>= 25000 bp)	359522
Total length (>= 50000 bp)	180430
N50	8289
N90	1360
auN	21037
L50	34
L90	250
GC (%)	48.31
Mismatches	
# N's per 100 kbp	0
# N's	0

spades结果：

Statistics without reference	scaffolds
# contigs	1122
# contigs (>= 0 bp)	4780
# contigs (>= 1000 bp)	402
# contigs (>= 5000 bp)	59
# contigs (>= 10000 bp)	28
# contigs (>= 25000 bp)	8
# contigs (>= 50000 bp)	2
Largest contig	94957
Total length	2015934
Total length (>= 0 bp)	3191156
Total length (>= 1000 bp)	1532089
Total length (>= 5000 bp)	897593
Total length (>= 10000 bp)	683582
Total length (>= 25000 bp)	382605
Total length (>= 50000 bp)	180502
N50	3521
N90	633
auN	15526
L50	86
L90	763
GC (%)	49.69
Mismatches	
# N's per 100 kbp	26.29
# N's	530