BUSCO 评估

生信喵

背景
      用于转录组和基因组组装质量进行评估的软件，前面介绍了quast，今天的是busco，对于动物植物较大的基因组拼接结果评估，这个软件很好用。
busco简介
      BUSCO（Benchmarking Universal Single-Copy Orthologs）主要用于转录组和基因组组装质量进行评估的软件。BUSCO 对拼接结果的评估与 quast 不同，它并不追求基因组拼接的长度，而关注的是是否将一些单拷贝直系同源基因拼接出来。在相近的物种之间总有一些保守的序列，而 BUSCO 就是使用这些保守序列与组装的结果进行比对，鉴定组装的结果是否包含这些序列，包含单条、多条还是部分或者不包含等等情况来给出结果。
      BUSCO 评估的原理其实不难，软件根据 OrthoDB 数据库，构建了几个大的进化分支的单拷贝基因集。将拼接结果预测得到的基因集与该基因集进行比较，根据比对上的比例、完整性，来评价拼接结果的准确性和完整性。也就是比对上已知基因集的基因越多，说明拼接的结果越好。
      软件官网：https://gitlab.com/ezlab/busco
      数据下载：https://www.orthodb.org/?page=filelist
      可以从 http://busco.ezlab.org/下载，包括以下内容。Bacteria: 细菌（5609），Eukaryotes 真核生物（1271），Viruses 病毒（6488），Archaea 古细菌 404）。
      
      摘自大蒜基因组与枇杷基因组文章

软件安装：

1. mamba create -n busco -y busco=5.2.2

复制代码

配置数据库运行
      选择自己近源物种下载。

1. conda activate busco
   
2. #列出数据库
   
3. busco --list-datasets
   
4. #下载数据
   
5. busco --download bacteria_odb10
   
6. busco -i kmer45.scafSeq -o busco -m geno -c 12 --offline -l busco_downloads/lineages/bacteria_odb10/
   
7. #利用 busco 结果绘图
   
8. generate_plot.py -wd busco

复制代码

选项参数：
      -o 输出文件夹
      -in 输入文件 (基因组组组装文件、转录组组装文件，基因预测文件，全为 fasta 格式) t
      -l 保守序列文件（Lineage data
      -m 分析的模式。包括基因组组装评估（all）、转录组组装评估（OGS）以及基因预测评估（trans）
其他选项
      -sp ：做 AUGUSTUS 用于训练的物种名字
      -e ：blast 的 e 值 Default: 0.01
      -flank:AUGUSTUS 做预测时向两侧延伸的长度 Default: 根据基因组大小在 5 到 20kbp 之间
      -f 更新之前的运行结果

      
      这就是busco结果，完全覆盖且单拷贝的基因是蓝色标注的，基本都超过了60%，也就是比对上已知基因集的基因多，说明拼接的结果较好，比较完整。