quast评估

生信喵

一、组装结果评估
1、准确性
      基因组大小接近真实大小，拼出来的一般小于真实大小；
      GC含量接近真实GC含量，一个物种含量固定，可以判断污染；
      基因组框架没有问题；
      单碱基准确性，首先保证框架不错，单碱基位点可以纠错。

2、完整性
      拼接序列条数接近染色体数据；
      片段长度长；
      N50，N90长；
      基因完整性高；

      一般是互斥的，准确性高完整性低，准确性低完整性高。
      1、首先保证准确性；
      2、在保证准确性前提下，追求完整性。


二、N50与N90
      N50：N50是基因组拼接之后一个评价指标，将拼接得到的所有的序列，根据序列大小从大到小进行排序，然后逐步开始累加，当加和长度超过总长一半时，加入的序列长度即为N50长度。N50越长，拼接得到的更长的序列越多，类似的还有N90等

      
      一般软件都有统计的结果可以找下日志。

三、quast评估
今天给大家介绍一款，quast
      QUAST: Quality Assessment Tool for Genome Assemblies，可以对不同软件拼接的基因组序列，或者同一软件，不同选项参数拼接的结果进行比较，然后将结果进行可视化，我们可以从中挑选出最好的拼接结果。如果有近源参考序列，加入近源参考序列，可以比较基因组结构连接信息，与参考序列最近源的则为最佳结果。如果没有参考序列，软件会将两两序列进行比较。
      软件官网：QUAST：http://bioinf.spbau.ru/quast

1. #quast 评估案例：
   
2. quast.py -r MGH78578.fasta spades.fa soapdenovo.fa -o quast
   

复制代码

     -o --output-dir 输出结果目录。
      -r 参考序列文件,不带的话，结果就没有和参考序列比较，只是spade和soapdenovo比较。
      -G --genes 参考序列基因坐标，一般 BED 或者 GFF 格式文件，ncbi下载genome即可。
      -m --min-contig 最小 contig 长度，也就是小于这个阈值的不参与计算。
      -t --threads 使用线程数目，默认使用四分之一的 cpu。
      --help 列出全部选项参数，大部分情况下，默认这些选项即可。

      
      结果report.html，可以去浏览器打开。

1. #quast
   
2. conda activate quast
   
3. quast -o quast -r GCF_000240185.1_ASM24018v2_genomic.fna -t 12 -g GCF_000240185.1_ASM24018v2_genomic.gff soapdenovo.fa spades.fa  --glimmer

复制代码