转录组 Trinity 组装软件介绍

1. 转录组Trinity组装软件介绍 微生物组：曾柳红 2011-9-16

2. Outline

3. Why do we use Trinity ? • 转录组组装面临的挑战： ﹡转录本覆盖度不均匀，一些转录本覆盖度很低，一些则会很高。 ﹡由于序列本身偏向性，转录本内read覆盖度可能不一致。 ﹡与一个测序正确但低表达的转录本相比，一个有测序错误但高表达的转录本，其表达丰度可能更高。 ﹡由于可变剪切，构建数据结构需考虑到一个基因有多个转录本的可能。 ﹡来自不同基因的重复序列可能给组装带来歧义。

4. Why do we use Trinity ? • 转录组组装方法：

5. How does Trinity work ? • Trinity 破茧成蝶的过程

7. Inchworm ﹡构建k-mer库，K=25。 ﹡从k-mer库中删除可能包含错误的k-mer。 ﹡选择最高频度的k-mer作为种子（不包括复杂度和单一的k-mers,一次用完即从k-mer库中剔除），用来contig组装。 ﹡延伸种子，k-1个overlap关系。（a greedy k-mer-based approach） ﹡延伸至不能再延伸，形成线性contig ﹡重复3-5，直到k-mer库为空。

8. Chrysalis ﹡把可能存在可变剪切及其他平行基因的contigs聚类。 聚类情况： （1）如果contigs间有k-1（25-1=24）个overlap。 （2）如果两个contig各有（k-1）/2个overlap。 ﹡每个contigs集定义成一个component，对每个component构建de Bruijn graphs（构建de Bruijn图时，Trinity利用k-1mer作为节点，SOAPdenovo利用k-mer作为节点） ﹡拿reads验证，看每个component的reads支持情况。

9. Butterfly ﹡graph simplification （1）合并在de Bruijn图中有连续节点的线性路径，以形成更长的序列。 （2）剔除可能由于测序错误（只有极少reads支持）的分叉，使边均匀。(多倍体多态性似乎比测序错误更常见，保留） ﹡plausible path scoring 用动态规划算法打分，鉴定被reads和read pairs支持的路径，剔除reads支持少的路径。

10. Butterfly

11. Butterfly

12. How to run Trinity • 在官网下载，解压缩。make http://sourceforge.net/projects/trinityrnaseq/ • 目前版本trinityrnaseq_r2011-08-20（比原版本trinityrnaseq-03122011运行效率快很多） • perl /ifs2/BC_MG/RNA/bin/denovo_2.0/trinityrnaseq_r2011-08-20/Trinity.pl --seqTypefq --left *_1.fq --right *_2.fq --output outdir --min_contig_length 100 --paired_fragment_length 199 --run_butterfly --CPU 10 • 参数设置见：http://trinityrnaseq.sourceforge.net/#running_trinity

13. 具体执行步骤（2011-08-20版）

14. 产生文件（夹）： ﹡ left.faright.faboth.fa* inchworm.K25.L48.DS.fameryl_kmer* meryl.kmers.min1.fa monitor.out chrysalis/ 及Trinity.fasta(为最终组装结果) ﹡Trinity最终组装成contig，不含N，而不是scaffold,组装的序列也无须补洞、优化。 ﹡Trinity组装很占内存及空间，一般，2G以内包括2G clean data，4~15G内存足够；若clean data大于2G ,内存要设大于15G,4G以上就要大于20G内存。

15. 文件内容说明： ﹡inchworm.K25.L48.DS.fa

16. 文件内容说明： ﹡Trinity.fasta

17. the end thank you!