基因组装配架子工。
BESST的Python项目详细描述
besst
==
Linux/OSX支持python2（versions>；=2.7）和python3（versions>；=3.4）[！[构建状态]（https://travis-ci.org/ksahlin/besst.svg？branch=master）]（https://travis ci.org/ksahlin/besst）
besst是一个用于构建基因组组装的软件包。besst v1.0.4首先在[2]中进行了描述，并在v2.0中进行了各种改进（例如[3]）。BESST基于Gapest[1]。
有关安装，请参阅docs/install.md。手册可在docs/manual.md中找到。
使用BESST时，请引用[2]和更高版本的手稿！bibtex条目在文件besst.bib.
1中可用。Sahlin K，Street N，Lundeberg J，Arvestad L（2012年），"脚手架算法的改进间隙大小估计"，《生物信息学》28（17），2215-2222[链接]（http://bioinformiscs.oxfordjournals.org/content/28/17/2215.long）
2.Sahlin K，Vezzi F，Nystedt B，Lundeberg J，Arvestad L（2014），"BESST——大型碎片装配的高效脚手架。"BMC生物信息学15，281[链接]（http://www.biomedcentral.com/1471-2105/15/281）
3。萨林K，奇奇，Arvestad L（2016年）"带有PE污染配对库的装配脚手架。"生物信息学[链接]（https://bioinformisc.oxfordjournals.org/content/early/2016/03/09/bioinformiscs.btw064）
a
————
besst的设计目的是从数据中尽可能多地推断。如果这是您第一次运行besst，建议您在运行besst时尽量少设置参数，即
``sh
runbesst-c/path/to/contigfile.fa-f/path/to/file1.bam/path/to/file2.bam…-o/path/to/output-orientation{fr/rf}
```
有关详细信息，请参阅下面的"输入"部分。然后，besst将尽可能地从数据中推断出并将推断出的参数以及更多信息打印到"/path/to/output/besst_output/statistics.txt"。这个文件对调试很有用。
BESST只需要一个已排序和索引的BAM文件—可以使用您最喜欢的对齐器。然而，我们在使用bwa mem时有过最好的经验，在我们的评估中使用了大多数数据的默认参数。
besst目前只适用于唯一对齐的读取（目的是扩展它以考虑多个对齐上的概率分布）。通过查看标志，可以在已排序的BAM文件中检测到唯一性。因此，不适合指定使对齐器输出一个读取的多个（次优）对齐并将读取报告为映射到多个位置的任何参数。蝴蝶结"-k<；int>；"（int不是1）是一个与besst不兼容的参数示例。
首先，务必使用适配器边缘工具。适配器的修剪极大地改善了两个适配器的对齐，而带有读取（适配器不同侧的读取顺序的结果）的嵌合体部件可以极大地改善对齐，从而改善支架。我们建议使用任何工具，根据识别和移除适配器（我们对工具nxtrim有很好的经验）来将成对读取类型分为mp、pe和未知方向。读对有未知的方向
如果根据适配器查找，您不能挑出任何（或只有一小部分）配对对，请将besst作为默认值运行。BESST通过在Contigs上的AlignEMTNS识别MP分布、PE污染水平和分布。在本例中，不要指定-m和-s，因为besst对库特征有一个相对高级的推断（其中一些来自[getdistr]中描述的理论（http://biorxiv.org/content/biorxiv/early/2015/08/04/023929.full.pdf））。
从我们使用过的mp库中找到的适配器数量
，我们通常看到大约30%的这三个类别mp，pe，未知且应相对正常（见[NXTRIM]补充数据中的污染水平调查（http://bioinformiscs.oxfordjournals.org/content/early/2015/02/05/bioinformiscs.btv057/suppl/dc1））。如果你能挑出大约这个数量的mps和pes：成对的末端污染仍然可以帮助besst脚手架提供短程链接补充到远程mp链接。正如[BESST-v2]中部分描述的那样（http://www.biorxiv.org/content/early/2015/08/28/025650.abstract），这些信息源的同时使用改进了脚手架，而不是BESST和其他独立脚手架工人在多个独立库的情况下采用的逐步方法。我们建议使用完整的适配器修剪库，即所有MP、PE和未知读取，保留原始方向，如果pe和mp上的分布是明显分开的，并且组件包含足够小的contig，短程pe可以提供帮助（例如n75<；mp的平均值作为近似值）。请参见图，以获取清晰分离的MP分布的示例。注意，例如，nxtrim将以fr方向输出所有读数，因此mps必须反向补充。
！[使用额外的PE污染]（docs/figures/isize_narrow_cont.png）
如果MP分布很广，并且已经具有良好的短期跨越范围和良好的覆盖率，则仅使用标识为MPS的链接。下面是这种分布的一个例子
！[仅使用MPS]（docs/figures/isize_wide_cont.png）
安全的方法当然总是同时尝试这两种方法。
besst没有脚手架，怎么回事？
运行besst时，可以在"outputfolder<；outputfolder>；/besst_output/statistics.txt"文件中使用-o指定outputfolder，立即完成许多调试工作。BESST输出插入大小分布（配对和PE污染）的统计信息，以及覆盖率统计信息和脚手架使用的读取对数量（每个库）。下面是一个文件开头的示例。确保库分布、contamine分布和速率看起来正常，以及覆盖率统计。如果这不能解决问题或您不确定如何继续，请邮寄**ksahlin@kth.se**.
``sh
pass 1
过滤前平均值：2471.05005763
过滤前标准值：1621.22128565
平均收敛：2454.01278202
标准收敛：1438.84572664
过滤前平均值：383.841809945
过滤前stddev:541.063248334
contamine平均收敛：371.132937665
contamine标准收敛：105.713828422
library statistics
库集平均值：2454.01278202
库集标准差：1438.84572664
mp library pe污染：
估计的接触率（rev comp-oriented）为：0.228445500646
lib接触率平均值（平均碎片大小）：371.132937665
lib接触率stddev:105.713828422
用于此计算的接触读取数：106857.0
-t（库插入大小阈值）设置to:8209.39568857
-k设置为（contigs大于的脚手架）：8209.39568857
创建边所需的链接数：5
读取长度设置为：100.38
控制链接的相对权重设置为（默认值=3）：3
迭代0:41.3993628025
分析BAM文件…
l50:37 n50:42455初始contig程序集长度：4588376
由于长度限制而烧焦的contig的数量78
初始化BESST对象的时间：0.0022530557251
脚手架中包含的contig/脚手架的数量：130
初始化图形所用的总时间：0.00791215896606
读取BAM文件和创建脚手架图…
已用读取文件：30.2451779842
可疑读取链接数：0
有用读取数（读取映射到不同contigs唯一性）：434284
映射到不同contigs的非唯一读取数（读取对中至少有一个读取非唯一性）（从脚手架中过滤掉）：29267
"有用读取"（过滤掉）：325897
指示和删除的重复读取数：4890
过滤掉极端观测前的平均覆盖率=69.01403104
过滤前的标准覆盖率极端观测值=61.5185426061
滤波后平均覆盖率=51.1057077906
滤波后标准覆盖率=17.4310506587
覆盖计算中最长覆盖长度：106467
覆盖计算中最短覆盖长度：8270
```
注意：
----
这些修复程序对包含数千到数百万个contig的大型碎片程序集的影响最大。
任何read aligner+samtools都可以用来获取这些文件。读取对需要在成对读取模式下对齐。BESST提供了一个脚本（https://github.com/ksahlin/besst/blob/master/scripts/reads_to_ctg_map.py），用于一次性获取带BWA mem或BWA sampe的已排序和索引BAM文件。使用此脚本进行映射的一个示例调用是
``sh
python reads_to_ctg_map.py/path/to/lib1_a.fq/path/to/lib1_b.fq/path/to/contigs.fasta--threads n
```
`--nome`可以指定给上述调用，以使用bwa sampe作为成对的读取对齐管道。
input:
----
必需参数：
*-c<；指向contig文件的路径>；
*-f<；指向bam文件的路径>；（插入大小的增加顺序）
*-方向<；fr/rf每个库一个>；
示例运行：
——
库在对齐前已被反向补充，应指定"-orientation fr fr"。
但是，如果程序集与库插入大小相比非常零碎（包含的内容不足以计算库统计信息），最好指定平均值和标准偏差。
：库的插入大小的平均值，每个库一个整数。
*-s<；int>；：库的标准偏差，每个库一个整数。
*-t<；int>；：阈值是一些您认为不会有太多pe/mp的较高级别插入大小大于（在模式结束时）。
*-r<；int>；：每个库的平均读取长度。
*-z<；int…>；重复分类的覆盖范围截止（例如-Z 100表示覆盖范围超过100的容器将从脚手架上丢弃）。为每个库设置一个截止点。
*-d检查重复序列，如果重复序列正在发生，则只对其中一个进行计数（计算链接数时）。
最小控制量被视为"大控制量"（仅用于统计评分）。每个库一个编号。
*--从所有脚手架中删除小于此值的控件。这些康提格人甚至没有被培养在besst.的输出中。
int>；在图形中创建链接边缘所需的见证链接的最少数量（每个库一个）
*-y扩展具有较小contig的支架（默认打开）。
*--没有评分不执行统计评分，只在contig之间运行路径搜索。
*--评分切断<；float>；只考虑score>；score_u cutoff（默认值1.5）的路径
（默认值=0（关）<；0或1>；）
*-a<；float>；合并单倍型区域的最大长度差比。
*-b<；int>；覆盖范围平均值/2的标准偏差的nr，以允许单倍型的分类
*-q并行化路径查找器的工作负载使用Pyhton的多处理库提供多个处理器时的模块。
更多说明：
----
1。insert size的定义：besst采用以下定义：
*insert size=片段长度。
*对于PE:
```
S T
---gt；
从S到T，即InsertSize=ReadLen1+Gap+ReadLen2。所以当平均值和/或阈值被提供时，它应该是这个距离的平均值和阈值。映射读取：如果要映射配对对库，则需要将其映射为配对结束库，即正向-反向模式。所有读对库都应按此顺序排列。
>3。脚手架的顺序：对于算法来说，按照插入大小的顺序给库是至关重要的。
==
Linux/OSX支持python2（versions>；=2.7）和python3（versions>；=3.4）[！[构建状态]（https://travis-ci.org/ksahlin/besst.svg？branch=master）]（https://travis ci.org/ksahlin/besst）
besst是一个用于构建基因组组装的软件包。besst v1.0.4首先在[2]中进行了描述，并在v2.0中进行了各种改进（例如[3]）。BESST基于Gapest[1]。
有关安装，请参阅docs/install.md。手册可在docs/manual.md中找到。
使用BESST时，请引用[2]和更高版本的手稿！bibtex条目在文件besst.bib.
1中可用。Sahlin K，Street N，Lundeberg J，Arvestad L（2012年），"脚手架算法的改进间隙大小估计"，《生物信息学》28（17），2215-2222[链接]（http://bioinformiscs.oxfordjournals.org/content/28/17/2215.long）
2.Sahlin K，Vezzi F，Nystedt B，Lundeberg J，Arvestad L（2014），"BESST——大型碎片装配的高效脚手架。"BMC生物信息学15，281[链接]（http://www.biomedcentral.com/1471-2105/15/281）
3。萨林K，奇奇，Arvestad L（2016年）"带有PE污染配对库的装配脚手架。"生物信息学[链接]（https://bioinformisc.oxfordjournals.org/content/early/2016/03/09/bioinformiscs.btw064）
a
————
besst的设计目的是从数据中尽可能多地推断。如果这是您第一次运行besst，建议您在运行besst时尽量少设置参数，即
``sh
runbesst-c/path/to/contigfile.fa-f/path/to/file1.bam/path/to/file2.bam…-o/path/to/output-orientation{fr/rf}
```
有关详细信息，请参阅下面的"输入"部分。然后，besst将尽可能地从数据中推断出并将推断出的参数以及更多信息打印到"/path/to/output/besst_output/statistics.txt"。这个文件对调试很有用。
BESST只需要一个已排序和索引的BAM文件—可以使用您最喜欢的对齐器。然而，我们在使用bwa mem时有过最好的经验，在我们的评估中使用了大多数数据的默认参数。
besst目前只适用于唯一对齐的读取（目的是扩展它以考虑多个对齐上的概率分布）。通过查看标志，可以在已排序的BAM文件中检测到唯一性。因此，不适合指定使对齐器输出一个读取的多个（次优）对齐并将读取报告为映射到多个位置的任何参数。蝴蝶结"-k<；int>；"（int不是1）是一个与besst不兼容的参数示例。
首先，务必使用适配器边缘工具。适配器的修剪极大地改善了两个适配器的对齐，而带有读取（适配器不同侧的读取顺序的结果）的嵌合体部件可以极大地改善对齐，从而改善支架。我们建议使用任何工具，根据识别和移除适配器（我们对工具nxtrim有很好的经验）来将成对读取类型分为mp、pe和未知方向。读对有未知的方向
如果根据适配器查找，您不能挑出任何（或只有一小部分）配对对，请将besst作为默认值运行。BESST通过在Contigs上的AlignEMTNS识别MP分布、PE污染水平和分布。在本例中，不要指定-m和-s，因为besst对库特征有一个相对高级的推断（其中一些来自[getdistr]中描述的理论（http://biorxiv.org/content/biorxiv/early/2015/08/04/023929.full.pdf））。
从我们使用过的mp库中找到的适配器数量
，我们通常看到大约30%的这三个类别mp，pe，未知且应相对正常（见[NXTRIM]补充数据中的污染水平调查（http://bioinformiscs.oxfordjournals.org/content/early/2015/02/05/bioinformiscs.btv057/suppl/dc1））。如果你能挑出大约这个数量的mps和pes：成对的末端污染仍然可以帮助besst脚手架提供短程链接补充到远程mp链接。正如[BESST-v2]中部分描述的那样（http://www.biorxiv.org/content/early/2015/08/28/025650.abstract），这些信息源的同时使用改进了脚手架，而不是BESST和其他独立脚手架工人在多个独立库的情况下采用的逐步方法。我们建议使用完整的适配器修剪库，即所有MP、PE和未知读取，保留原始方向，如果pe和mp上的分布是明显分开的，并且组件包含足够小的contig，短程pe可以提供帮助（例如n75<；mp的平均值作为近似值）。请参见图，以获取清晰分离的MP分布的示例。注意，例如，nxtrim将以fr方向输出所有读数，因此mps必须反向补充。
！[使用额外的PE污染]（docs/figures/isize_narrow_cont.png）
如果MP分布很广，并且已经具有良好的短期跨越范围和良好的覆盖率，则仅使用标识为MPS的链接。下面是这种分布的一个例子
！[仅使用MPS]（docs/figures/isize_wide_cont.png）
安全的方法当然总是同时尝试这两种方法。
besst没有脚手架，怎么回事？
运行besst时，可以在"outputfolder<；outputfolder>；/besst_output/statistics.txt"文件中使用-o指定outputfolder，立即完成许多调试工作。BESST输出插入大小分布（配对和PE污染）的统计信息，以及覆盖率统计信息和脚手架使用的读取对数量（每个库）。下面是一个文件开头的示例。确保库分布、contamine分布和速率看起来正常，以及覆盖率统计。如果这不能解决问题或您不确定如何继续，请邮寄**ksahlin@kth.se**.
``sh
pass 1
过滤前平均值：2471.05005763
过滤前标准值：1621.22128565
平均收敛：2454.01278202
标准收敛：1438.84572664
过滤前平均值：383.841809945
过滤前stddev:541.063248334
contamine平均收敛：371.132937665
contamine标准收敛：105.713828422
library statistics
库集平均值：2454.01278202
库集标准差：1438.84572664
mp library pe污染：
估计的接触率（rev comp-oriented）为：0.228445500646
lib接触率平均值（平均碎片大小）：371.132937665
lib接触率stddev:105.713828422
用于此计算的接触读取数：106857.0
-t（库插入大小阈值）设置to:8209.39568857
-k设置为（contigs大于的脚手架）：8209.39568857
创建边所需的链接数：5
读取长度设置为：100.38
控制链接的相对权重设置为（默认值=3）：3
迭代0:41.3993628025
分析BAM文件…
l50:37 n50:42455初始contig程序集长度：4588376
由于长度限制而烧焦的contig的数量78
初始化BESST对象的时间：0.0022530557251
脚手架中包含的contig/脚手架的数量：130
初始化图形所用的总时间：0.00791215896606
读取BAM文件和创建脚手架图…
已用读取文件：30.2451779842
可疑读取链接数：0
有用读取数（读取映射到不同contigs唯一性）：434284
映射到不同contigs的非唯一读取数（读取对中至少有一个读取非唯一性）（从脚手架中过滤掉）：29267
"有用读取"（过滤掉）：325897
指示和删除的重复读取数：4890
过滤掉极端观测前的平均覆盖率=69.01403104
过滤前的标准覆盖率极端观测值=61.5185426061
滤波后平均覆盖率=51.1057077906
滤波后标准覆盖率=17.4310506587
覆盖计算中最长覆盖长度：106467
覆盖计算中最短覆盖长度：8270
```
注意：
----
这些修复程序对包含数千到数百万个contig的大型碎片程序集的影响最大。
任何read aligner+samtools都可以用来获取这些文件。读取对需要在成对读取模式下对齐。BESST提供了一个脚本（https://github.com/ksahlin/besst/blob/master/scripts/reads_to_ctg_map.py），用于一次性获取带BWA mem或BWA sampe的已排序和索引BAM文件。使用此脚本进行映射的一个示例调用是
``sh
python reads_to_ctg_map.py/path/to/lib1_a.fq/path/to/lib1_b.fq/path/to/contigs.fasta--threads n
```
`--nome`可以指定给上述调用，以使用bwa sampe作为成对的读取对齐管道。
input:
----
必需参数：
*-c<；指向contig文件的路径>；
*-f<；指向bam文件的路径>；（插入大小的增加顺序）
*-方向<；fr/rf每个库一个>；
示例运行：
——
库在对齐前已被反向补充，应指定"-orientation fr fr"。
但是，如果程序集与库插入大小相比非常零碎（包含的内容不足以计算库统计信息），最好指定平均值和标准偏差。
：库的插入大小的平均值，每个库一个整数。
*-s<；int>；：库的标准偏差，每个库一个整数。
*-t<；int>；：阈值是一些您认为不会有太多pe/mp的较高级别插入大小大于（在模式结束时）。
*-r<；int>；：每个库的平均读取长度。
*-z<；int…>；重复分类的覆盖范围截止（例如-Z 100表示覆盖范围超过100的容器将从脚手架上丢弃）。为每个库设置一个截止点。
*-d检查重复序列，如果重复序列正在发生，则只对其中一个进行计数（计算链接数时）。
最小控制量被视为"大控制量"（仅用于统计评分）。每个库一个编号。
*--从所有脚手架中删除小于此值的控件。这些康提格人甚至没有被培养在besst.的输出中。
int>；在图形中创建链接边缘所需的见证链接的最少数量（每个库一个）
*-y扩展具有较小contig的支架（默认打开）。
*--没有评分不执行统计评分，只在contig之间运行路径搜索。
*--评分切断<；float>；只考虑score>；score_u cutoff（默认值1.5）的路径
（默认值=0（关）<；0或1>；）
*-a<；float>；合并单倍型区域的最大长度差比。
*-b<；int>；覆盖范围平均值/2的标准偏差的nr，以允许单倍型的分类
*-q并行化路径查找器的工作负载使用Pyhton的多处理库提供多个处理器时的模块。
更多说明：
----
1。insert size的定义：besst采用以下定义：
*insert size=片段长度。
*对于PE:
```
S T
---gt；
从S到T，即InsertSize=ReadLen1+Gap+ReadLen2。所以当平均值和/或阈值被提供时，它应该是这个距离的平均值和阈值。映射读取：如果要映射配对对库，则需要将其映射为配对结束库，即正向-反向模式。所有读对库都应按此顺序排列。
>3。脚手架的顺序：对于算法来说，按照插入大小的顺序给库是至关重要的。
欢迎加入QQ群-->： 979659372
