klassify

根据独特的 kmer 内容对嵌合读数进行分类，并识别断点位置。

断点可能由以下原因引起

• 重组/交叉事件
• 结构变异

虽然有许多工具可以识别结构变异，但本工具旨在比较后代（例如 F1）读数与亲本基因组。关键思想是对 trio binning 方法的一种扩展，其中我们使用亲本基因组中每个染色体/contig 的独特 kmer 来分类跨越两个不同染色体/contig 的读数。

以下是该工具识别的重组读数示例

安装

cargo install klassify

使用方法

假设你有 3 个输入文件

• parents.genome.fa：亲本基因组
• f1_reads.fa：后代读数
• parent_reads.fa：亲本读数

1. 创建一个从亲本基因组中提取的独特 kmer 的数据库

mkdir ref
faSplit byname parents.genome.fa ref/
klassify build ref/*.fa -o kmers.bc

这会生成所有独特 kmer（存在于单个 contig/chromosome 中）的索引。

2. 根据独特 kmer 对后代（例如 F1）读数进行分类

mkdir f1_reads f1_classify
faSplit about f1_reads.fa 2000000000 f1_reads/
klassify classify kmers.bc f1_reads/*.fa -o f1_classify

3. 将“嵌合”后代读数映射到父母参考基因组

klassify extract f1_classify.filtered.tsv f1_reads/*.fa -o f1_classify.fa
minimap2 -t 80 -ax map-hifi --eqx --secondary=no parents.genome.fa f1_classify.fa \
    --split-prefix f1_classify | samtools sort -@ 8 -o f1_classify.bam

4. 使用亲本读数重复这些步骤

mkdir parent_reads parent_classify
faSplit about parent_reads.fa 2000000000 parent_reads/
klassify classify kmers.bc parent_reads/*.fa -o parent_classify
klassify extract parent_classify.filtered.tsv parent_reads/*.fa -o parent_classify.fa
minimap2 -t 80 -ax map-hifi --eqx --secondary=no parents.genome.fa parent_classify.fa \
    --split-prefix parent_classify | samtools sort -@ 8 -o parent_classify.bam

5. 使用亲本读数作为“对照”，识别在 F1 读数中出现但不在亲本读数中出现的“嵌合”区域（因此我们不会受到组装错误的影响）

klassify regions f1_classify.bam parent_classify.bam

这样就完成了！亲本基因组中的断点位置在 f1_classify.regions.tsv 文件中，其中第 2 列表示断点周围每个 10kb bin 的深度

SoChr01A:118800000-118810000    10
SoChr01B:43130000-43150000      8,12