NextDenovo 开源项目使用教程

1. 项目介绍

NextDenovo 是一个基于字符串图的从头组装工具，专门用于长读长数据（包括 CLR、HiFi 和 ONT 数据）。它采用“先校正后组装”的策略，类似于 Canu，但需要更少的计算资源和存储空间。组装后，每碱基的准确率约为 98-99.8%。为了进一步提高单碱基的准确率，可以尝试使用 NextPolish。

NextDenovo 包含两个核心模块：NextCorrect 和 NextGraph。NextCorrect 可以用于校正长读长数据中的错误，错误率约为 15%。NextGraph 则用于使用校正后的读长构建字符串图。此外，NextDenovo 还包含一个修改版的 minimap2 和一些有用的实用工具。

2. 项目快速启动

安装要求

• Python（支持 Python 2 和 3）
• Paralleltask

pip install paralleltask

安装步骤

1. 下载 NextDenovo：

wget https://github.com/Nextomics/NextDenovo/releases/latest/download/NextDenovo.tgz

2. 解压并进入目录：

tar -vxzf NextDenovo.tgz && cd NextDenovo

3. 如果需要从源码编译，可以运行以下命令：

git clone [e-mail]:Nextomics/NextDenovo.git
cd NextDenovo && make

快速启动

1. 准备输入文件列表（fofn）：

ls reads1.fasta reads2.fastq reads3.fasta.gz reads4.fastq.gz > input.fofn

2. 创建运行配置文件（run.cfg）：

cp doc/run.cfg ./

3. 运行 NextDenovo：

nextDenovo run.cfg

结果将输出到 01_rundir/03_ctg_graph/nd.asm.fasta 和 01_rundir/03_ctg_graph/nd.asm.fasta.stat。

3. 应用案例和最佳实践

NextDenovo 已被广泛应用于多种物种的基因组组装，特别是在处理复杂基因组和重复区域时表现出色。以下是一些应用案例：

• 人类基因组组装：NextDenovo 被用于组装 35 个不同人类个体的基因组，成功识别了片段重复和基因拷贝数变异的景观。
• 植物基因组组装：NextDenovo 成功组装了多个复杂植物基因组，如 Cycas panzhihuaensis（约 10.5 Gb）和 allohexaploid oat（约 10.76 Gb）。
• 动物基因组组装：NextDenovo 也被用于组装非洲肺鱼（约 40 Gb）和南极磷虾（约 48 Gb）的基因组。

最佳实践包括：

• 使用 NextDenovo 进行长读长数据的校正和组装时，建议使用高覆盖度的数据以提高组装质量。
• 对于复杂基因组，可以结合其他工具（如 NextPolish）进行后续的基因组 polishing。

4. 典型生态项目

NextDenovo 作为一个高效的长读长数据组装工具，与其他基因组分析工具和数据库形成了良好的生态系统。以下是一些典型的生态项目：

• NextPolish：用于进一步提高组装后的基因组准确率。
• Minimap2：用于比对和校正长读长数据。
• QUAST：用于评估基因组组装的质量。
• BUSCO：用于评估基因组的完整性和基因的完整性。

通过这些工具的结合使用，可以构建一个完整的基因组分析流程，从数据校正到组装再到质量评估。