Matchtigs & Eulertigs：kmer 集合的最小平文表示 - 带重复和不带重复

这是计算 kmer 集合小型和平文表示的不同算法的实现。这些算法期望以单元读作为输入，例如可以使用 GGCAT 或 BCALM2 计算。

如果您希望从任意输入中计算 matchtigs 或 Eulertigs，而不首先计算单元读，请考虑使用 GGCAT。它的说明中提到了所需的标志。

特性

• 使用多线程计算 matchtigs 和贪婪 matchtigs
• 计算 Eulertigs
• 计算 pathtigs（类似于 ProphAsm 的启发式 Eulertigs）
• 支持 fasta 和 GFA 格式，以及如果文件以 .gz 结尾则支持 gzip 压缩
• GGCAT 输出的 fasta 文件中的注释（使用 -e 标志）或 BCALM2（无需标志）可以用于加速加载（使用 --bcalm-in 而不是 --fasta-in）
• 输出重复 kmers 的 (ASCII-) 位向量，用于需要唯一 kmers 的应用程序

安装

matchtigs 工具可以使用以下方法安装。默认情况下，它实现了所有算法，但不是最优 matchtig 算法。这是因为最优 matchtig 算法使用了商业软件 blossom V，该软件对研究人员 免费提供，但不能公开重新分发。对于所有实际用途，我们建议使用贪婪 matchtigs，因为它们的计算效率更高，并且累积长度和字符串计数与 matchtigs 非常相似（请参见下方的 matchtigs 公布物）。

通过 conda/mamba 安装

使用以下方式安装 matchtigs

mamba install -c conda-forge -c bioconda matchtigs

通过 cargo 进行安装

要求

Rust 版本 >= 1.70.0，最佳安装方式为通过 rustup 进行。

安装

使用以下方式安装 matchtigs

cargo install matchtigs

使用方法

注意：计算最小 matchtigs 需要 O(|V|^2) 内存，通常在实际情况中不可行。请使用贪婪 matchtigs 代替，它们是 近最优的。

从 fasta 文件计算 matchtigs 和贪婪 matchtigs 并将它们保存为 GFA（不带拓扑结构）

matchtigs --fa-in unitigs.fa --matchtigs-gfa-out matchtigs.gfa --greedytigs-gfa-out greedy-matchtigs.gfa

从 GFA 文件计算 Eulertigs 并将它们保存为 GFA（不带拓扑结构）和 fasta 格式

matchtigs --fa-in unitigs.fa --eulertigs-gfa-out eulertigs.gfa --eulertigs-fa-out eulertigs.fa

注意：当使用 GGCAT 或 BCALM2 计算单元igs时，使用 --bcalm-in 会更快。

matchtigs --bcalm-in unitigs.fa --eulertigs-gfa-out eulertigs.gfa --eulertigs-fa-out eulertigs.fa

使用 --help 选项获取可用选项的概述。

matchtigs --help

引用

matchtigs (Genome Biology)

Schmidt, S., Khan, S., Alanko, J., Pibiri, G. E., and Tomescu, A. I., Matchtigs: minimum plain text representation of k-mer sets. Genome Biology 24, 136 (2023). 10.1186/s13059-023-02968-z.

Eulertigs (WABI 2022 best paper award)

Schmidt, S. and Alanko, J., Eulertigs: minimum plain text representation of k-mer sets without repetitions in linear time. WABI 2022. 10.4230/LIPIcs.WABI.2022.2.