Juicer: 辅助基因组组装
!(https://swindler-typora.oss-cn-chengdu.aliyuncs.com/typora_imgs/image-20221001215918359.png)## 导读
本文主要对处理`HiC`数据的`Juicer`程序进行一个简短的介绍，并展示如何利用`Juicer`进行基因组组装中染色体挂载的第一步。
## 1. 介绍
(https://www.cell.com/cell-systems/fulltext/S2405-4712(16)30219-8 "Juicer") 是一款能够提供一键式分析`Loop-Resolution`的程序。
- 特点
1. 只需一次单击，用户就能够处理`terabase`规模的Hi-C数据集
2. 自动注释`Loops`和`Domains`
3. `Juicer`是一款开源的程序
4. 与多个集群操作系统和Amazon Web Services兼容
## 2. 安装
### 2.1. 环境要求
- 运行 `Juicer` 的最低软件要求是在` Windows`、`Linux` 和 `Mac OSX` 上安装有效的` Java`（版本 >= 1.8）。建议使用可用的最新 Java 版本，但请不要使用 Java Beta 版本。可以在(https://java.com/en/download/help/sysreq.xml "sysreq")找到运行 Java 的最低系统要求。
- 要下载和安装最新的 Java 运行时环境 (JRE)，请访问(https://www.java.com/download "Java")。
- GNU CoreUtils；最新版本的 GNU coreutils 可以从(https://www.gnu.org/software/coreutils/manual/ "coreutils")下载。
- Burrows-Wheeler Aligner (BWA)，可以从(http://bio-bwa.sourceforge.net/ "BWA")下载安装。
>> 上面的环境要求，基本在Linux服务器上都是已经配置完毕的，使用之前只需要检查下Java和bwa的版本即可。
>>
### 2.2. 安装
下面的安装环境是在`Ubuntu`系统上进行，`bwa`将采用`conda`安装。
1. 目录建立
```sh
# 新建Juice目录
mkdir juicer && cd juicer
# 新建参考基因组相关文件目录
mkdir references
# 新建样本的序列文件和分析结果目录
mkdir work
# 新建参考基因组酶切图谱目录
mkdir restriction_sites
```
2. `Juicer`下载
这里需要注意，小伙伴们在Github上仓库下载时，不要采用`git clone`的方式，因为这样会拉取最新的版本，还处于开发中，存在许多错误，建议去`Releases`中下载`1.6`的版本
>> 不会下载的小伙伴，可以私信小编获取。
>>
3. `bwa`安装
```sh
# 新建conda 环境安装
conda create -n juicer -c bioconda bwa -y
# 激活环境
conda activate jucier
```
4. 配置`jucier`
```sh
# 构建scripts链接
ln -s juicer/CPU scripts
# scripts 应该在juicer目录下
# 切换目录
cd scripts/common
# 下载 juicer_tools.1.9.9_jcuda.0.8.jar
wget -c https://hicfiles.tc4ga.com/public/juicer/juicer_tools.1.9.9_jcuda.0.8.jar
# 创建符号链接
ln -s juicer_tools.1.9.9_jcuda.0.8.jarjuicer_tools.jar
```
## 3. 实战
下面将详细介绍如何运行`Juicer`生成`merged_nodups.txt`文件，用于`3D-DNA`进行染色体挂载
- 构建基因组索引
```sh
# 基因组放在jucier/reference 目录下
bwa index genome.fa
```
- 生成酶切图谱文件
```sh
# 需要将 DpnII 换为 测序过程使用的酶
# genome 替换为 基因组的名字
python /home/juicer/misc/generate_site_positions.py DpnII genome /home/juicer/references/genome.fa
```
- 生成染色体长度文件
```sh
# genome_DpnII.txt 文件由上一步生成
awk 'BEGIN{OFS="\t"}{print $1, $NF}'genome_DpnII.txt > genome.chrom.sizes
```
- `fastq`文件
```sh
# juicer/work 文件夹下创建fastq文件夹存放fastq文件
mkdir fastq
# 文件名称需要整理如下格式
work
└── fastq
├── Sample1_R1.fastq.gz
├── Sample1_R2.fastq.gz
├── Sample2_R1.fastq.gz
├── Sample2_R2.fastq.gz
├── Sample3_R1.fastq.gz
└── Sample3_R2.fastq.gz
```
- 运行
```sh
# nohup 命令会将程序挂在后台运行
nohup /home/juicer/scripts/juicer.sh \
-z /home/juicer/references/genome.fa \
-p /home/juicer/restriction_sites/genome.chrom.sizes \
-y /home/juicer/restriction_sites/genome_DpnII.txt \
-s DpnII \
-d /home/juicer/work/ \
-D /home/juicer \
-t 40 > log.txt
# -z参数指定参考基因组fasta所在路径，在该路径下必须同时存在对应的bwa索引
# -p参数指定染色体长度文件；
# -y指定基因组酶切图谱的路径；
# -d指定样本原始文件存放的路径；
# -D指定软件的安装路径，
# -t指定bwa比对使用的线程数，默认是使用全部线程。
```
## 结果
`Juicer`运行完成后主要有以下两个目录：
- splits
`splits`目录下存放的是中间结果，由于hi-C数据量很大，所以会将原始序列拆分成很多份，并行运算，加快速度。默认每份包含22.5M的reads, 当然这个可以通过`-C`参数调整，该参数指定拆分文件的行数，默认是90000000， 注意fastq文件4行代表一条序列，所以这个参数的值必须是4的倍数。拆分后序列的R1和R2端分别通过bwa比对基因组，然后合并，筛选嵌合体序列，去重复，生成预处理后的结果文件。
- aligned
`aligned`目录下存放的是最终结果，包含了可以导入`juicebox`的后缀为`hic`的图谱文件, `inter.hic`和`inter_30.hic`， **30**表示通过`MAPQ > 30`进行过滤之后的结果。
其中"**`merged_nodups.txt`**"就是下一步3D-DNA的输入文件之一。
页:
[1]