K-mer图估计基因组大小及杂合重复分析_生信小明

个人资料

微博

正文字体大小：大中小

K-mer图估计基因组大小及杂合重复分析

(2016-02-22 15:45:18)

参考liuchang，并稍作修改和整理

由K-mer图求基因组大小及杂合重复分析 ——...

1、求基因组大小。

采用jellyfish 统计K-mer 的深度分布情况

例如：第一列表示kmer出现次数，即深度，第二列为该深度下对应的kmer数

1 141046

2 12267

3 7924

4 42520

... ...

1000 14

统计各kmer及其出现的次数（kmer frequnce），有多少片段只出现一次，有多少出现两次，有多少出现三次、、、，然后以出现次数（frequnce）为横坐标，以出现这么多次的片段总数（或该数占总片段数的百分比）为纵坐标作图。

每个kmer的期望(kmer深度) dk = (L-K+1)/G*N (在图上就是主峰的横坐标)

L表示reads的平均读长；K表示Kmer大小，如K=17，表示Kmer大小为17bp，那么从reads得到的kmer总数 nk = (L-K+1)*N

一般来说，那些低频率的Kmer，深度<= 2X，用B表示，可能为测序错误造成的，在进行估算时要将其去除，因此，dk=（(L-K+1)*N-B）/G，G表示基因组大小。

2、杂合重复分析。
①

只有一个主峰，该个体为纯合体或单倍体。

②

在x=a处出现主峰，x=2a处有一个次峰，说明一部分片段出现的期望值是大部分的2倍，这些片段为重复片段，次峰为重复峰

③

在在x=a处出现主峰，x=0.5a处有一个次峰,说明部分片段出现的期望值是大部分的1/2，当序列有杂合时，包含杂合位点的kmer因为分成了两部分，所以出现频率变为一半，次峰为杂合峰

④

出现两个主峰，峰高相差不大，两峰横坐标又是2倍关系，说明该个体高杂合或高重复

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report