canu

### CANU 生物信息学工具的使用与文档 #### CANU 软件概述 CANU 是一种专门为长读测序数据设计的高效基因组组装软件。其最新版本 canu-1.8.tar.gz 提供了优化的算法和功能，显著提升了基因组组装的便捷性和准确性[^1]。 #### 主要参数配置 为了适应不同类型的测序数据，CANU 支持多种输入选项： - `-pacbio-raw`：适用于 PacBio CLR 原始数据。 - `-nanopore-raw`：适用于 Nanopore 原始数据。 - `-pacbio-hifi`：专门针对高保真度的 PacBio 数据进行处理。 此外，还有一些重要的参数可以调整以满足特定需求： - `rawErrorRate`：设定未纠错 read 之间的最大差异碱基数，默认情况下对于 PacBio 和 Nanopore 的值分别为 0.300 和 0.500。 - `correctedErrorRate`：定义纠错后的 read 间允许的最大误差率，默认值为 PacBio reads 0.045 及 Nanopore reads 0.144。 - `corOutCoverage`：指定用于纠错所需的最小覆盖度，默认设为 40。 - `minReadLength`：仅考虑长度超过此阈值的 reads，默认最低限度是 1,000 bp。 - `minOverlapLength`：规定最小重叠区域长度，默认至少需达到 500 bp。 - `maxThreads`：控制并行计算使用的最大线程数量[^2]。 #### 使用流程实例 以下是基于 Canu 进行细菌基因组组装的一个具体案例分析： 1. **下载测试数据** 对于 PacBio 测序平台的数据获取命令如下所示： ```bash wget -c http://gembox.cbcb.umd.edu/mhap/raw/ecoli_p6_25x.filtered.fastq -O pacbio.fastq ``` 同样地，可以从网络资源处获得 Oxford Nanopore 技术产生的序列文件： ```bash wget -c http://nanopore.s3.climb.ac.uk/MAP006-PCR-1_2D_pass.fasta -O oxford.fasta ``` 2. **环境搭建** 3. **质量控制 (QC)** 利用 NanoPlot 工具来绘制有关 FASTQ 文件统计特性的图表，并通过设置合适的参数筛选高质量的 reads： ```bash NanoPlot --fastq pass.fq.gz \ -o fastq-plots \ --maxlength 40000 \ -t 8 \ --plots hex dot ``` 4. **过滤低质量序列** 应用 NanoFilt 实现对原始数据的有效清理工作： ```bash gunzip -c pass.fq.gz | NanoFilt -q 7 -l 1000 --headcrop 50 --tailcrop 50 | gzip > clean.NanoFilt.fastq.gz ``` 5. **执行 CANU 组装过程** 配置好必要的参数后启动 CANU 来完成最终的目标——构建完整的基因组图谱： ```bash canu -d ./AB-2/canu -p canu genomeSize=4.7m maxThreads=60 -nanopore-corrected ./AB-2/clean/pass.fq.gz > canu.log ``` 6. **后续修正操作** 推荐采用 Medaka 工具进一步提高一致性水平： ```bash medaka_consensus -i clean.NanoFilt.fastq.gz -d ./canu/canu.contigs.fasta -o medaka_result -t 24 >medaka.log ``` 7. **结果评价** 上述步骤展示了从样本收集到数据分析整个过程中所涉及的关键环节及其对应的操作指南[^4]。