测序、组装与科研分析问答

本文整理自2020年社区讨论，原文未提供发言者姓名。工具建议是历史经验；提及的Hi-C热图未随本次可恢复的来源保存。

问题：各位大佬，有没有什么快点的工具，给一个region，找每个base coverage，然后算下这个region里面coverage的coefficient of variation，谢谢～

pysamstats也许可以。目力所及，只知道这个

minimap2可以从fasta 到SNP

每个base的coverage可以用samtools pileup

我发现samtools pileup和depth算出来不一样，查了一下是因为pileup没算上N的情况，所以最后决定用了countcoverage

问题：请教个小白问题。如何定义genomic diversity 和 genetic diversity?

感觉应该是一个意思。有的文章用genomic diversity可能是因为用了全基因组测序或者别的高通量方法吧。我瞎猜的，请懂的人来答[呲牙]

对我们popgen researcher 而言没听说过genomic diversity。Genetic diversity倒是可以有，可以有nucleiotide diversity across the genome。那推荐你读一读matt Hahn的书Molecular population genetics。以前那些popgen的书都是二代测序之前的，很多新东西没加进去。他这本算是新且总结得不错。这本书适合有一定popgen基础和hands on经验的人

展望未来部分，还有用machine learning做PopGen的

Schrider, DR, and Kern, AD. (2016). S/HIC: Robust identification of soft and hard sweeps using machine learning. PLoS Genetics. 12: e1005928.

**问题：请问有谁做过利用SNP数据 不同品种之间差异的渐渗分析吗？谢谢 **

是这个吗？Mapcaller

问题：請教一下，HiC 圖中出現了一個大十字是什麼意思[捂脸][捂脸][捂脸]怎麼解釋

一般在没有normalize的图中才出现这种现象。normalize以后就好了。

這個怎麼 normalize 呢

ICE就行。juicebox也可以选择normalization的。推一波我的知乎Live~。《3D基因组分析从入门到进阶》。

热图是正常了，但是感觉很多没聚类在一起的contig。可以看看juicebox的youtube频道，他们录了几个操作视频

如果有遗传图谱的话，可以试试唐海宝老师的Allmaps，可以把HiC，遗传图谱结合起来做scaffolding。https://github.com/tanghaibao/jcvi/issues/44

问题：请问了解HiC的朋友可以帮我看看这张热图怎么样么？[捂脸]（我给公司draft assembly和植物材料，公司做的HiC sequencing和scaffolding，给了我一个有8个pseudo-molecules的assembly），我之前无比相信这8个pseudo-molecules就是那8条染色体，但把这个assembly和我们实验室之前构建的linkage map比了一下（把建linkage map用的GBS markers align到基因组上），发现一个linkage group里有来自几个pseudo-molecules的片段（反之也是，一个pseudo-molecule里有位于几个linkage groups的markers）

软件默认跑的结果会有很多的链接错误。尤其当组装的contig比较多，或者repeat比例高的时候。

想问一下～有人用过mapcaller么，结果准确性咋样呀～[呲牙]

还可以，但是只能对单样本使用，多样本同时call snp目前还不支持。除了不支持 joint variant calling 用的时候还是有些小问题，比如输出格式有些情况不是很标准等等，不过提 issue 开发者会很快回应。如果确实是为了追求速度可以试试。

问题：想问一下， 有人知道如何鉴定某一转座子家族比如LTR/Gypsy/Athila的single consensus sequence吗？

TEsorter

问题：samtools mpileup calling Indels 是不是有长度的限制？目前发现10bp以下的vcf有显示，好几个大于50bp的，直接不显示。

大于50bp是SV的阈值吧～[呲牙]

自吹自擂下，可以考虑我的软件Varathon (https://github.com/yjx1217/Varathon) ， 之前在群里做过一次广告，不过当时还不太成熟，后来又改了很多细节，现在应该比较成熟了，文章还在准备中，比预想的慢很多，唉[捂脸]

问题：请教各位老师，我用EDTA注释TE，最后生成的*EDTA.TElib.fa大小为30M， 12113条sequences，另外一个品种是以前非EDTA注释的，lib大小为70M，22000+条sequences。EDTA运行过程中并未报错，这是否合理？

EDTA会去冗余。做过滤的就是EDTA_processI.pl

顺势请教一下，我有一些te,不是完整的，能搞清楚现在还剩哪些结构单元吗？@区树俊 ISU

通过同源比对可以识别不完整TE, 然后可以看看对应的结构是啥。

同时TEsorter, GenericRepeatFinder, LTR_retriever 和 LTR_Finder都有conda版了。现在安装很方便，运行conda install -c bioconda edta就搞定了

问题：上次有小伙伴说在线go annotation是哪个工具？多谢了先

Toppgene, David, enrichr

对于未知sequence的你可以用我们lab的sever叫phylo-PFP。根据phylogenetic和sequence similarity来predict GO。

问题：求推荐蛋白—蛋白互作的数据库，细菌，酵母，动植物的都可以🙏

CAAS biogrid。基本都全了

请教一下各位老师，我已经将所有的TE序列分类，群里是否有老师做过如何对某一类比如LTR/Gypsy/CRM中的所有序列create consensus sequence？可否推荐一些软件？谢谢

RepeatScout可以

问题：google检索的时候，偶尔能够发现一些国外很不错的博士thesis，那么问题来了，我蛮好奇国内外的博士论文是不是有一个库，可以检索呢？

高校里面有自己的毕业论文库，论文大都是开放的，可以供下载的。或通过学校图书馆进入ProQuest查学位论文 。

问题：可以弱弱问一下大家有没有人做过allele-specific DMR的鉴定？如果从比对文件类似sam file里提取SNP-containing reads, 会不会由于sam file包含一些不完整的clipped reads出现一些问题？有没有人用什么软件这样做过？可以问下用的具体什么软件吗？ 如果此方法不行果此方法不行，是否有一个更好的方法？求指教[Salute] 提前谢谢大家…

在此自荐我之前做的DNA甲基化工具BS-Seeker2（http://pellegrini.mcdb.ucla.edu/BS_Seeker2/）和CGmapTools（https://cgmaptools.github.io）。其中，CGmapTools中40个分析功能中，就能实现您提到的DMR，ASM和SNP prediction。这里还有一份我的研究生整理的PPT文档说明：http://guoweilong.github.io/BSseeker2_CGmapTools_tutorial_181014.pdf 。希望能有帮助。

问题：请问有人用过HERA么？

我没有bionano数据，输入了一个canu+scaff10x的assembly和canu corrected PacBio reads，参数都用的默认，然后它把我的assembly分成了Large_Contig.fasta和Small_Contig.fasta，最后输出的结果基本就是Small_Contig.fasta [捂脸] 我想知道是哪里出了问题

这软件bug太多，试了一次没成功就不用了！我们实验室用的bionano scaffolding

问题：准备multi panel 图片怎么效果最好？我目前就是在ppt里面放在一块crop一下，再save成图片。感觉分辨率损失不少？而且许多时候背景镂空，怎么让背景白板，再加一个图框重组和吗？有经验的分享一下工具等？

Inkscape免费。Mac 下面PowerPoint打印，然后选择保存为PostScript格式也能防止分辨率损失。

在地图上高亮几个区域，应该怎么搞。ggplot2, ggmap

这个markdown应该能帮到你 https://www.r-spatial.org/r/2018/10/25/ggplot2-sf.htm

问题：请教大家，使用二代数据call 植物的SV 和 CNV，有没有什么比较好的pipeline的推荐？

我自己的，用拟南芥测试过：https://github.com/yjx1217/Varathon.git

也可以试试https://github.com/dnanexus/parliament2，整合了Breakdancer, Breakseq2, CNVnator, Delly2, Manta, and Lumpy软件，提供docker镜像

问题：我有一个人类的低深度测序数据（6X），想要对某个基因区域重构haplotype，大家知道有什么好的imputation+phasing的平台？

reveel 可以做 genotyping 然後用 beagle 之類的 phase。Depending on the population of your data. 可以用Michigan imputation server, 可以用hrc做phasing reference

**问题：大家好，有没有推荐的call large-size structure variation的工具？我有几个已经用pacbio data assembled的genomes，想从中找一些结构变异。 **

Bionano solve。它是利用restriction enzyme site的pattern来识别的，所以边界不是非常准确

用mummer做alignment，syri找结构变异吧，19年发的GB

如果你已经有pacbioAssembly了可以试试我们合作者开发的mum&co，刚发在bioinformatics上

以上内容整理自CGM微信群（第一群）。感谢各位群友的热心回复。