Juicer: 輔助基因組組裝
導讀
本文主要對處理HiC數據的Juicer程序進行一個簡短的介紹，并展示如何利用Juicer進行基因組組裝中染色體掛載的第一步。
1. 介紹
Juicer 是一款能夠提供一鍵式分析Loop-Resolution的程序。
- 特點
- 只需一次單擊，用戶就能夠處理
terabase規模的Hi-C數據集 - 自動注釋
Loops和Domains -
Juicer是一款開源的程序 - 與多個集群操作系統和Amazon Web Services兼容
2. 安裝
2.1. 環境要求
運行
Juicer的最低軟件要求是在Windows、Linux和Mac OSX上安裝有效的Java（版本 >= 1.8）。建議使用可用的最新 Java 版本，但請不要使用 Java Beta 版本。可以在sysreq找到運行 Java 的最低系統要求。要下載和安裝最新的 Java 運行時環境 (JRE)，請訪問java。
GNU CoreUtils；最新版本的 GNU coreutils 可以從coreutils下載。
Burrows-Wheeler Aligner (BWA)，可以從BWA下載安裝。
上面的環境要求，基本在Linux服務器上都是已經配置完畢的，使用之前只需要檢查下Java和bwa的版本即可。
2.2. 安裝
下面的安裝環境是在Ubuntu系統上進行，bwa將采用conda安裝。
- 目錄建立
# 新建Juice目錄
mkdir juicer && cd juicer
# 新建參考基因組相關文件目錄
mkdir references
# 新建樣本的序列文件和分析結果目錄
mkdir work
# 新建參考基因組酶切圖譜目錄
mkdir restriction_sites
-
Juicer下載
這里需要注意，小伙伴們在Github上倉庫下載時，不要采用git clone的方式，因為這樣會拉取最新的版本，還處于開發中，存在許多錯誤，建議去Releases中下載1.6的版本
不會下載的小伙伴，可以私信小編獲取。
-
bwa安裝
# 新建conda 環境安裝
conda create -n juicer -c bioconda bwa -y
# 激活環境
conda activate jucier
- 配置
jucier
# 構建scripts鏈接
ln -s juicer/CPU scripts
# scripts 應該在juicer目錄下
# 切換目錄
cd scripts/common
# 下載 juicer_tools.1.9.9_jcuda.0.8.jar
wget -c https://hicfiles.tc4ga.com/public/juicer/juicer_tools.1.9.9_jcuda.0.8.jar
# 創建符號鏈接
ln -s juicer_tools.1.9.9_jcuda.0.8.jar juicer_tools.jar
3. 實戰
下面將詳細介紹如何運行Juicer生成merged_nodups.txt文件，用于3D-DNA進行染色體掛載
- 構建基因組索引
# 基因組放在jucier/reference 目錄下
bwa index genome.fa
- 生成酶切圖譜文件
# 需要將 DpnII 換為 測序過程使用的酶
# genome 替換為 基因組的名字
python /home/juicer/misc/generate_site_positions.py DpnII genome /home/juicer/references/genome.fa
- 生成染色體長度文件
# genome_DpnII.txt 文件由上一步生成
awk 'BEGIN{OFS="\t"}{print $1, $NF}' genome_DpnII.txt > genome.chrom.sizes
-
fastq文件
# juicer/work 文件夾下創建fastq文件夾存放fastq文件
mkdir fastq
# 文件名稱需要整理如下格式
work
└── fastq
├── Sample1_R1.fastq.gz
├── Sample1_R2.fastq.gz
├── Sample2_R1.fastq.gz
├── Sample2_R2.fastq.gz
├── Sample3_R1.fastq.gz
└── Sample3_R2.fastq.gz
- 運行
# nohup 命令會將程序掛在后臺運行
nohup /home/juicer/scripts/juicer.sh \
-z /home/juicer/references/genome.fa \
-p /home/juicer/restriction_sites/genome.chrom.sizes \
-y /home/juicer/restriction_sites/genome_DpnII.txt \
-s DpnII \
-d /home/juicer/work/ \
-D /home/juicer \
-t 40 > log.txt
# -z參數指定參考基因組fasta所在路徑，在該路徑下必須同時存在對應的bwa索引
# -p參數指定染色體長度文件；
# -y指定基因組酶切圖譜的路徑；
# -d指定樣本原始文件存放的路徑；
# -D指定軟件的安裝路徑，
# -t指定bwa比對使用的線程數，默認是使用全部線程。
結果
Juicer運行完成后主要有以下兩個目錄：
- splits
splits目錄下存放的是中間結果，由于hi-C數據量很大，所以會將原始序列拆分成很多份，并行運算，加快速度。默認每份包含22.5M的reads, 當然這個可以通過-C參數調整，該參數指定拆分文件的行數，默認是90000000， 注意fastq文件4行代表一條序列，所以這個參數的值必須是4的倍數。拆分后序列的R1和R2端分別通過bwa比對基因組，然后合并，篩選嵌合體序列，去重復，生成預處理后的結果文件。
- aligned
aligned目錄下存放的是最終結果，包含了可以導入juicebox的后綴為hic的圖譜文件, inter.hic和inter_30.hic， 30表示通過MAPQ > 30進行過濾之后的結果。
其中"merged_nodups.txt"就是下一步3D-DNA的輸入文件之一。
本文由mdnice多平臺發布
