Cactus泛基因组图谱实战：酵母图谱与HPRC人类图谱案例及panacus统计可视化

Cactus泛基因组图谱实战酵母图谱与HPRC人类图谱案例及panacus统计可视化【免费下载链接】cactusOfficial home of genome aligner based upon notion of Cactus graphs项目地址: https://gitcode.com/gh_mirrors/cact/cactusCactus基于 Cactus 图的基因组比对器的 Minigraph-Cactus 泛基因组管线是构建物种泛基因组图谱的事实标准之一。本文带你完成两个经典实战从 6 个酵母菌株构建酵母泛基因组图谱到复刻 90 条单倍型的HPRC 人类泛基因组图谱并用panacus一键生成覆盖率、图谱生长与核心大小等交互式统计可视化报告零基础也能跟着跑通。 官方教程位于 doc/pangenome.md所有示例的输入数据都随项目提供无需下载大型数据。一、为什么选 Cactus 构建泛基因组图谱传统单一参考基因组 VCF的方式难以表达插入、重排等复杂结构变异。Cactus 泛基因组图谱把所有输入基因组作为路径嵌入同一张图GFA/vg 格式共同序列只存一份天然表达任意规模的变异且索引后直接支持vg giraffe短读/长读比对。一条命令即可完成全流程核心步骤包括cactus-minigraph构建 SV 级 minigraph 骨架cactus-graphmap将各组装回贴到图上cactus-graphmap-split按参考染色体切分子问题降低内存cactus-alignCactus 多序列比对cactus-graphmap-join合并全基因组图并生成索引完整说明见 pangenome.md 的 Pipeline 章节。二、酵母图谱教程5 分钟跑通你的第一张泛基因组图谱酵母是官方内置的小型测试集6 个菌株、16 条染色体输入文件 examples/yeastPangenome.txt 已包含全部序列地址。最快上手命令参考 pangenome.md 的 Yeast Graph 章节cactus-pangenome ./js ./examples/yeastPangenome.txt --reference S288C \ --outDir yeast-pg --outName yeast-pg --gbz --viz要点提示 --reference S288C指定参考菌株参考路径永不被裁剪、保证无环并提供坐标系统--gbz生成 gbz 索引是 giraffe 比对的必备格式--viz自动输出每条染色体的 1D 可视化 PNGodgi viz查看酵母图谱可视化结果运行完成后yeast-pg/yeast-pg.viz/下会生成chrI.full.viz.png等 16 张图。染色体 I 的一维视图如下各条染色质路径上的分支即代表不同菌株间的结构变异想要二维画布风格的布局可再运行cactus-graphmap-join --draw官方示例见 pangenome.md 的 ODGI Draw 小节效果类似 Bandage-NG但规模更大⚠️ 官方提示--draw仍是实验性功能大图上参数尚未调优建议先用--chrom-og导出单染色体 og 文件自行绘制。三、HPRC 人类泛基因组图谱从酵母跨到 90 条单倍型HPRCHuman Pangenome Reference Consortiumv1.1图谱是目前最重要的人类泛基因组成果之一以 GRCh38 或 CHM13 为参考整合 90 条高质量单倍型组装。官方完整复现记录在 hprc-v1.1-mc.md所有已发布的图谱清单见 mc-pangenomes/README.md。人类图谱的构建命令与酵母几乎相同只是参数更重约 31 小时SLURM 集群cactus-pangenome ./js-grch38 ./hprc-v1.1-mc.seqfile \ --outName hprc-v1.1-mc-grch38 --reference GRCh38 CHM13 \ --filter 9 --giraffe clip filter --vcf --viz --gbz clip filter full \ --gfa clip full --batchSystem slurm与酵母相比值得注意的三个差异选项酵母HPRC 人类作用--filter默认 29保留 ≥9/90 单倍型覆盖的节点保证 giraffe 性能--reference单参考GRCh38 CHM13双参考第二个参考作为 reference-sense 路径便于 BAM 投影--giraffe clip filterclipclip filter为裁剪图和过滤图同时建索引看看人类图谱长什么样MHC 与 LRC-KIR 区域GRCh38 自带的 alt 位点如 MHC、LRC-KIR也可以作为独立样本加入图谱。从 GBZ 中用vg chunk截取区域后用 Bandage-NG 渲染效果如下——MHC 区域的大气泡正是高度多态性的免疫基因簇LRC-KIR 区域则呈现出典型的蝴蝶结式多路径结构展示了图谱对复杂重复区的表达能力相关复现方法seqfile 拆分、--permissiveContigFilter宽松阈值见 pangenome.md 的 GRCh38 Alts Graph 章节HPRC 建图方法与映射/变异评估分析脚本位于 doc/mc-paper/hprc/。四、panacus 统计可视化一图读懂你的泛基因组建完图后图谱覆盖了多少序列核心基因组多大随样本增加如何增长是必答题。--panacus选项会调用 panacus 直接对全基因组图计算这些指标输出自包含的交互式 HTML 报告无需任何 Python 绑图环境。cactus-pangenome ./js ./seqfile.txt --outDir ./out --outName mygraph \ --reference GRCh38 --panacus输出内容位于outName.stats/目录mygraph.panacus.report.html单文件交互报告含覆盖率直方图、生长曲线、核心大小曲线、路径相似性热图与节点分布每个 (图谱类型 × 计数类型) 一个章节mygraph.panacus.histgrowth.bp.tsv原始数据表bp/node各一份方便二次分析实现代码非常精简核心只是拼一份 YAML 配置后调用 Rust 二进制详见 panacus.py。计数类型bp、node、edge和分组方式按单倍型-H或按样本-S可在配置文件 cactus_progressive_config.xml 的panacus元素中调整。 使用 panacus 统计结果发表成果时记得引用 panacus 论文说明见 pangenome.md 的 Pangenome Statistics 章节。五、读懂输出统计报告与裁剪明细每次运行都会写出outName.stats/目录完整交代哪些序列进了图、哪些被裁掉了graph-stats.tsv每条染色体图的节点/边/总长clipped-by-genome.tsv每个基因组按原因ambiguous / clip / filter的损失统计refgaps.bed.gz没有任何其他组装比对到的参考区域path-stats.tsv.gz每条路径一行路径名带[start-end]表示是长 contig 的片段排错口诀若输出目录里出现了outName.WARNING文件说明有基因组大面积缺席或统计对不上账该文件不存在即为一切正常。六、新手学习路线与扩展 完整步骤式酵母教程pangenome.mdYeast Graph 章节含 minigraph 构建、按染色体拆分、批量比对全流程 已发布的物种图谱牛、鸡、狗、果蝇、小鼠、大豆等及复现命令mc-pangenomes/README.md️ 用图谱修补单倍型填 N、支架化、补端粒cactus-panpatch脚本在 cactus_panpatch.py⚙️ 全部参数与集群SLURM/AWS运行方式progressive.md 与 running-in-aws.md常见 FAQ 速查输入序列无需软掩蔽但强烈不建议硬掩蔽小 contig 被大量过滤时用--permissiveContigFilter放宽索引内存不足时优先加--filter约样本数的 10%。从 6 个酵母菌株到 90 条人类单倍型Cactus 的命令行接口几乎不变——这就是它作为泛基因组图谱构建瑞士军刀的魅力。跑通酵母案例后你已掌握人类图谱的全部核心操作只差算力而已。【免费下载链接】cactusOfficial home of genome aligner based upon notion of Cactus graphs项目地址: https://gitcode.com/gh_mirrors/cact/cactus创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考