yak

PENTING: Sejak 3ACE4FF, format dump biner K-Mer tidak sesuai dengan versi sebelumnya. Anda harus menjalankan kembali yak count untuk menghasilkan dump K-mer dalam format baru.

Memulai

 # Download and compile
git clone https://github.com/lh3/yak
cd yak && make

# build k-mer hash table for assembly; count singletons
./yak count -K1.5g -t32 -o asm.yak asm.fa.gz
# build k-mer hash tables for high-coverage reads; discard singletons
./yak count -b37 -t32 -o ccs.yak ccs-reads.fq.gz
# for paired end: to provide two identical streams
./yak count -b37 -t32 -o sr.yak <( zcat sr * .fq.gz ) <( zcat sr * .fq.gz )

# compute assembly or reads QV
./yak qv -t32 -p -K3.2g -l100k sr.yak asm.fa.gz > asm-sr.qv.txt
./yak qv -t32 -p sr.yak ccs-reads.fq.gz > ccs-sr.qv.txt
# compute k-mer QV for reads
./yak inspect ccs.yak sr.yak > ccs-sr.kqv.txt
# evaluate the completeness of assembly
./yak inspect sr.yak asm.yak > sr-asm.kqv.txt

# print k-mer histogram
./yak inspect sr.yak > sr.hist

# partition chrX/Y in human de novo assembly
wget -O- ' https://zenodo.org/record/7882299/files/human-chrXY-yak.tar?download=1 ' | tar tf -
./yak sexchr -K2g -t16 chrY-no-par.yak chrX-no-par.yak par.yak hap1.fa hap2.fa > cnt.txt
./groupxy.pl cnt.txt | awk ' $4==1 ' | cut -f2 | seqtk subseq -l80 <( cat hap1.fa hap2.fa ) - > new-hap1.fa
./groupxy.pl cnt.txt | awk ' $4==2 ' | cut -f2 | seqtk subseq -l80 <( cat hap1.fa hap2.fa ) - > new-hap2.fa

Perkenalan

Yak awalnya dikembangkan untuk dua kasus penggunaan spesifik: 1) untuk memperkirakan akurasi dasar CCS yang kuat dan contigs perakitan, dan 2) untuk menyelidiki tingkat kesalahan sistematis yang dibaca CCS. Ini mencapai tujuan dengan membandingkan sekuens dengan spektrum K-Mer dari bacaan pendek atau dengan membandingkan spektrum. Tidak diperlukan genom referensi atau data kebenaran.

Perlu dicatat bahwa memperkirakan akurasi dasar itu rumit. Ketika akurasi mendekati Q50, baik K-Mers yang tidak terampil dan salah dalam pembacaan pendek dapat mengganggu penaksir naif. Yak memperkenalkan model empiris untuk mengatasi masalah ini. Perkiraannya kurang terpengaruh oleh cakupan dan kualitas pembacaan pendek.