yak

IMPORTANTE: Desde 3ACE4FF, o formato do dump binário K-Mer é incompatível com as versões anteriores. Você precisa executar executar executar executar yak count para gerar dump k-mer no novo formato.

Começando

 # 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

Introdução

O YAK é desenvolvido inicialmente para dois casos de uso específicos: 1) para estimar robustamente a precisão da base das leituras e contigs de montagem do CCS e 2) para investigar a taxa de erro sistemática das leituras do CCS. Ele atinge os objetivos comparando seqüências com o espectro K-Mer de leituras curtas ou comparando espectros. Não são necessários dados de genoma ou verdade de referência.

Vale a pena notar que a precisão da base de estimar é complicada. Quando a precisão se aproxima do Q50, K-Mers não amostrados e errôneos em leituras curtas pode interferir em um estimador ingênuo. Yak apresenta um modelo empírico para resolver esse problema. Sua estimativa é menos afetada pela cobertura e pela qualidade de leituras curtas.