yak

重要：自3ACE4FF以來，二進制K-MER轉儲的格式與以前的版本不相容。您必須重新運行yak count才能以新格式生成K-MER轉儲。

入門

 # 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

介紹

YAK最初是針對兩個特定用例開發的：1）魯棒估計CCS讀取和組件重疊群的基本準確性，以及2）研究CCS讀取的系統錯誤率。它通過將序列與簡短讀數的K-MER光譜進行比較或通過比較光譜來實現目標。不需要參考基因組或真相數據。

值得注意的是，估計基​​本準確性很棘手。當準確性接近Q50時，簡短讀取中未採樣和錯誤的K-MER都可能會干擾天真的估計器。牛介紹了一個解決這個問題的經驗模型。它的估計受到簡短讀數的覆蓋範圍和質量的影響較小。