quarTeT v1.3.1安装与使用--bioinfomatistic tools113

quarTeT：端粒到端粒（T2T）基因组分析工具集

quarTeT 是一套用于 T2T 基因组组装与基础分析的自动化流程工具合集。

包含以下模块：

• AssemblyMapper：基于参考基因组引导的基因组组装
• GapFiller：基于长读长的补洞工具
• TeloExplorer：端粒识别工具
• CentroMiner：着丝粒候选区域预测工具

快速上手

quarTeT 命令行程序仅支持 Linux 系统

依赖软件

• Python3（>3.6；测试版本：3.7.4、3.9.12）
• Minimap2（测试版本：2.24-r1122、2.24-r1155-dirty）
• 【可选】Unimap（测试版本：0.1-r41）
• MUMmer4（测试版本：4.0.0rc1）
• trf（测试版本：4.09）
• CD-hit（测试版本：4.6、4.8.1）
• BLAST+（测试版本：2.8.1、2.11.0）
• tidk（测试版本：0.2.1、0.2.31）
• gnuplot（测试版本：4.6、5.4）
• R（>3.5.0；测试版本：3.6.0、4.2.2）
  • RIdeogram（0.2.2）
  • ggplot2（3.3.6、3.4.4）

所有依赖都可以通过 conda 一键安装：

conda create -n quartet –channel conda-forge –channel bioconda python minimap2 mummer4 trf cd-hit blast tidk r r-rideogram r-ggplot2 gnuplot unimap

安装方式

Conda / Mamba / Docker / Singularity 安装：

Docker/Singularity 拉取镜像需要指定 <version>–<hash>，标签列表查看：Quay

conda install –channel conda-forge –channel bioconda quartet-bio
mamba install –channel conda-forge –channel bioconda quartet-bio
docker pull quay.io/biocontainers/quartet-bio:<version>–<hash>
singularity pull docker://quay.io/biocontainers/quartet-bio:<version>–<hash>

源码手动安装：

git clone https://github.com/aaranyue/quarTeT
cd quarTeT
pip install . –no-deps –ignore-installed

使用方法

quarTeT: Telomere-to-telomere Toolkit
Usage: quartet <module> <parameters>
Modules:
AssemblyMapper | am 草图基因组挂载
GapFiller | gf 草图基因组补洞
TeloExplorer | te 端粒识别
CentroMiner | cm 着丝粒候选区域挖掘

使用 模块名 -h 查看对应模块详细参数

AssemblyMapper

AssemblyMapper 是参考引导式挂载工具 输入需要分型后的 contig 水平组装结果 + 近缘参考基因组，均为 fasta 格式

注意：contig 必须是分型结果。推荐使用 hifiasm 输出分型组装；你可以把 hifiasm 输出的 {prefix}.bp.hap1.p_ctg.gfa 和 {prefix}.bp.hap2.p_ctg.gfa 分别转成 fasta 作为输入

Usage: quartet AssemblyMapper <parameters>
-h, –help 帮助信息
-r REFERENCE_GENOME 【必填】参考基因组，fasta格式
-q CONTIGS 【必填】分型contig序列，fasta格式
-c MIN_CONTIG_LENGTH 短于该阈值(bp)的contig直接丢弃，默认：50000
-l MIN_ALIGNMENT_LENGTH
比对片段最小长度阈值(bp)，默认：10000
-i MIN_ALIGNMENT_IDENTITY
比对最低一致性阈值(%)，默认：90
-p PREFIX 输出文件前缀，默认：quarTeT
-t THREADS 线程数，默认：1
-a {minimap2,unimap,mummer}
指定比对软件，支持minimap2、unimap、mummer，默认：minimap2
–nofilter 直接使用原始输入序列，不做过滤
–keep 保留草图中所有未挂载的contig
–groupcontig 输出文件夹，contig按照目标染色体分组存放
–extract-ref-flanks CHIMERA
输出带参考侧翼序列的嵌合contig，数值为侧翼长度，默认0（关闭，详见issue#42）
–plot 绘制contig与参考基因组的共线性图（耗时更长）
–noplot 跳过全部绘图
–overwrite 重新比对，覆盖旧比对结果，不复用
–minimapoption MINIMAPOPTION
传给minimap2/unimap的额外参数，默认：-x asm5
–nucmeroption NUCMEROPTION
传给nucmer的额外参数
–deltafilteroption DELTAFILTEROPTION
传给delta-filter的额外参数
–teclade {plant,animal,other}
物种类群，用于端粒搜索：植物检索TTTAGGG、动物检索TTAGGG、其他交给tidk自动探索，默认other
–teminrepeattimes TE_MIN_REPEAT_TIMES
判定为端粒的最小重复次数，默认：100
–notelo 关闭端粒辅助排序、定向功能

输出文件：

{prefix}.draftgenome.fasta | 伪染色体水平基因组序列，fasta
{prefix}.draftgenome.agp | 组装结构文件，AGP格式
{prefix}.draftgenome.stat | 组装统计：基因组总大小、各染色体长度、GC、缺口数量与位置
{prefix}.draftgenome.png/svg | 染色体相对长度+缺口位置图
{prefix}.contig.mapinfo | contig挂载统计：比对/丢弃总长度、每条contig的挂载去向
{prefix}.contig_map_ref.png | contig和参考基因组共线性图

可选输出（开启对应参数才生成）：

{prefix}.draftgenome_map_ref.png | 挂载后基因组与参考的共线性图，–plot开启
{prefix}.chimera_contig.fasta | 带指定长度侧翼的嵌合contig，–extract-ref-flanks开启
{prefix}.groupcontig (Folder) | 按参考染色体分组的contig文件夹，–groupcontig开启

GapFiller

GapFiller 是基于长读长的补洞工具 输入：带缺口的草图基因组 + 用于补洞的长序列（fasta）

优先使用长读长组装、抛光后的 contig，比原始 reads 补洞效果更好 GapFiller 包含两种模式：fill 和 join

• fill：寻找序列片段填充缺口、连接两端
• join：找到缺口两端重叠证据，直接合并

join 模式稳定性较差，默认关闭；开启后务必人工核验结果

Usage: quartet GapFiller <parameters>
-h, –help 帮助信息
-d DRAFT_GENOME 【必填】待补洞的草图基因组fasta
-g GAPCLOSER_CONTIG [GAPCLOSER_CONTIG …]
【必填】用于补洞的contig（支持多个文件）
-f FLANKING_LEN 缺口侧翼锚定序列长度(bp)，默认：5000
-l MIN_ALIGNMENT_LENGTH
比对片段最小长度阈值(bp)，默认：1000
-i MIN_ALIGNMENT_IDENTITY
比对最低一致性阈值(%)，默认：40
-m MAX_FILLING_LEN 允许填充的最大序列长度(bp)，默认：1000000
-a {minimap2,unimap} 比对软件，minimap2 / unimap，默认minimap2
-p PREFIX 输出前缀，默认quarTeT
-t THREADS 线程数，默认1
–enablejoin 开启不稳定的join合并模式
–joinonly 仅使用join模式，需要搭配–enablejoin
–join-min-overlap JOIN_MIN_OVERLAP
join模式要求的最小重叠长度(bp)，默认50
–join-min-identity JOIN_MIN_IDENTITY
join模式重叠区域最低一致性(%)，默认30
–overwrite 覆盖旧比对结果，不复用
–minimapoption MINIMAPOPTION
传给minimap2的额外参数，默认 -x asm5
–noplot 跳过绘图

输出文件：

{prefix}.genome.filled.fasta | 补洞后的基因组序列
{prefix}.genome.filled.modified.agp | 补洞后更新的染色体结构AGP
{prefix}.genome.filled.detail | 每个缺口详细记录：是否补好、填充序列ID、区间、总填充长度
{prefix}.genome.filled.stat | 补洞后统计信息：染色体大小、GC、缺口数目、位置
{prefix}.genome.filled.png/svg | 染色体长度与缺口位置图

TeloExplorer

TeloExplorer 端粒识别工具 输入基因组 fasta 序列

Usage: quartet TeloExplorer <parameters>
-h, –help 帮助信息
-i GENOME 【必填】待分析基因组fasta
-c {plant,animal,other}
物种类群：植物(TTTAGGG)、动物(TTAGGG)、其他自动探索，默认other
-m MIN_REPEAT_TIMES 判定端粒的最小重复次数，默认100
-p PREFIX 输出前缀，默认quarTeT
–noplot 跳过绘图

输出文件：

{prefix}.telo.info | 端粒统计：重复单元、每条染色体两端重复次数
{prefix}.telo.png/svg | 染色体图，标注端粒位置、缺口

CentroMiner

CentroMiner 着丝粒候选区域挖掘工具 输入基因组 fasta；可选补充 TE 注释、基因注释 gff3 提升准确率

TE 注释推荐使用 EDTA，EDTA 输出的 {genome}.mod.EDTA.TEanno.gff3 可直接输入；注意序列 ID 长度不要超过 15 字符，且注释文件 ID 必须和基因组 fasta 完全匹配 注释识别规则：第三列包含LTR/long_terminal_repeat（EDTA），或者第八列包含LTR（RepeatMasker）

Usage: quartet CentroMiner <parameters>
-h, –help 帮助信息
-i GENOME_FASTA 【必填】基因组fasta
–TE TE TE转座子注释，gff3
–gene GENE 基因注释，gff3
-n MIN_PERIOD 着丝粒重复单元最小长度，默认100
-m MAX_PERIOD 着丝粒重复单元最大长度，默认200
-s CLUSTER_IDENTITY 串联重复聚类最低一致性，不能小于0.8，默认0.8
-d CLUSTER_MAX_DELTA 同一聚类内重复单元长度最大差值，默认10
-e EVALUE blast的E值阈值，默认0.00001
-g MAX_GAP 两段串联重复之间允许的最大间隔，超过则不属于同一个簇，默认50000
-l MIN_LENGTH 候选串联重复区域最低长度，默认100000
-t THREADS 线程数，默认1
-p PREFIX 输出前缀，默认quarTeT
–trf [TRF_PARAMETER …]
自定义TRF参数：<match> <mismatch> <delta> <PM> <PI> <minscore> 默认 2 7 7 80 10 50
-r MAX_TR_LENGTH TRF预期最大串联重复长度（单位百万），默认3
–overwrite 重新运行TRF，覆盖旧dat文件
–noplot 跳过绘图

输出文件夹：

Candidates/ | 每条染色体着丝粒候选结果，查看pdf折线图人工挑选最优候选
TandemRepeat/ | TRF识别的串联重复单元、聚类结果（fasta+gff3）

✅ 强烈建议人工核验挑选候选！ 部分物种最优候选会落在端粒附近或者其他串联重复富集区。 可以结合基因 / TR/TE 折线图、Hi-C 热图、共线性结果综合判断。 典型着丝粒特征：串联重复富集、TE 大量分布、基因密度低；但存在物种特例。

候选结果文件说明：

无缩进行代表一条候选区域：
Chr, start, end, length：染色体、起止坐标、区域长度
TRlength：该区域内串联重复总长度
TRcoverage：串联重复占该区域的比例

缩进行代表该区域内一类串联重复：
subTR：该类串联重复标识
period：重复单元长度
subTRlength：该类重复在区域内总长度
subTRcoverage：该类重复占区域比例
pattern：重复单元序列

补充：TRF 在高复杂度、高熵序列区域容易卡死。遇到该情况，可以调低 -r 参数；无效则对该区域做硬 mask 后重新跑。

引用

Yunzhi Lin, Chen Ye, Xingzhu Li, Qinyao Chen, Ying Wu, Feng Zhang, Rui Pan, Sijia Zhang, Shuxia Chen, Xu Wang, Shuo Cao, Yingzhen Wang, Yi Yue, Yongsheng Liu, Junyang Yue. quarTeT: a telomere-to-telomere toolkit for gap-free genome assembly and centromeric repeat identification. Horticulture Research 2023;10:uhad127, https://doi.org/10.1093/hr/uhad127