基因組生物信息學實驗（三）：基因組模擬測序（1）

基因組模擬測序（1）：主線的內容

step1：方法
通過 NCBI 的子庫 Genome 獲得 YJM1386 菌株的基因組測序數據。
使用 art 系列軟件中的 art_illumina 程序,對下載基因組序列進行
測序平臺爲 Hiseq2000 的全基因組測序模擬 5 次,
參數設置見下表。統計模擬結果,計算理論覆蓋度(m)、丟失率和覆蓋率。

	-l	-f	-m	-s
第一次	100	2	150	10
第二次	100	4	150	10
第三次	100	6	150	10
第四次	100	8	150	10
第五次	100	10	150	10

step2：涉及的腳本

#其它參數保持一致,修改 f 值做 5 次測序模擬,f=2,4,6,8,10
art_illumina -ss HS20 -sam -i ./GCA_000977445.2_Sc_YJM1386_v1_genomic.fna -p -l 100
-f 2 -m 150 -s 10 -o ./result/Sc_paired_dat_a
art_illumina -ss HS20 -sam -i ./GCA_000977445.2_Sc_YJM1386_v1_genomic.fna -p -l 100
-f 4 -m 150 -s 10 -o ./result/Sc_paired_dat_b
art_illumina -ss HS20 -sam -i ./GCA_000977445.2_Sc_YJM1386_v1_genomic.fna -p -l 100
-f 6 -m 150 -s 10 -o ./result/Sc_paired_dat_c
art_illumina -ss HS20 -sam -i ./GCA_000977445.2_Sc_YJM1386_v1_genomic.fna -p -l 100
-f 8 -m 150 -s 10 -o ./result/Sc_paired_dat_d
art_illumina -ss HS20 -sam -i ./GCA_000977445.2_Sc_YJM1386_v1_genomic.fna -p -l 100
-f 10 -m 150 -s 10 -o ./result/Sc_paired_dat_e
#查看每個測序結果對應的 sam 文件的行數(在 sam 文件的文件夾下)
wc -l Sc_paired_dat_a.sam
wc -l Sc_paired_dat_b.sam
wc -l Sc_paired_dat_c.sam
wc -l Sc_paired_dat_d.sam
wc -l Sc_paired_dat_e.sam

step3：結果
假設，基因組大小爲(total length): 12.1571 Mb，測序鹼基總長度爲1.7G。
由此可知：
覆蓋度（m值）= 1.7G/ 12.1571 Mb = 1.71000/12.1571 ≈140
丟失率（e-m） = 1.5810-61 ≈ 0%
覆蓋率(1-e-m)≈ 100%

n	鹼基總長度（Mb）	理論覆蓋度	基因組大小（Mb）	實際覆蓋度	丟失率	覆蓋率
2518312	25.1832	2	12.6155	1.996	1.36*e^-1	86.41%
503762	50.3762	4	12.6155	3.993	1.84*e^-2	98.16%
755600	75.5600	6	12.6155	5.989	2.51*e^-3	99.75%
1259364	100.7472	8	12.6155	7.986	3.40*e^-4	99.97%
第五次	125.9364	10	12.6155	9.983	4.54*e^-5	99.99%

註釋:n 代表 sam 文件中去掉註釋行的行數。理論覆蓋度(m)=鹼基總長度
/基因組大小;鹼基總長度=雙端數據大小(l)*(sam 文件行數-註釋行數)

step4：結論
隨着 f 值的增大,覆蓋率也隨之增大。