云生信学生物信息学

Merqury评估前准备:k-mer构建、工作盘预算与输出核验

作者:发布于 2026-11-21更新于 2026-11-15约 6 分钟阅读
Merqury先准备兼容k-mer库

Merqury先准备兼容k-mer库:确认同一个体读段与k;构建完整.meryl数据库;核对QV、完整性和频谱;按共存峰值规划工作盘
本文操作与检查路径示意。

Merqury通过读段k-mer评估组装,不仅要准备一份FASTA,还要有适当的读段数据库。k、读段质量、组装类型和数据库格式都会影响解释。工作盘不足时先列出计数与评估同时存在的文件,不从最终图只有几MB推断整个流程很轻。

先固定读段、k和兼容工具

示例以同一个体、已去接头并质控的Illumina双端WGS和一份组装为范围,不加入亲本hap-mer分析。k=31是本次明确协议,需结合项目大小和碰撞风险论证;它不能与另一套k=21结果无说明直接比较。其他测序技术、压缩k-mer或双单倍型路线先按相应方法准备。

阶段 固定内容 验收记录
读段计数 读段集合、k、canonical规则 完整.meryl目录与统计
组装评估 固定FASTA、Merqury修订及依赖 QV、完整性、频谱与日志
存储共存 读段库、组装库、集合运算及图表 运行峰值而非最终汇总
资源对照 相同输入与分析范围 墙钟、任务RAM及I/O

本篇固定Meryl1.4.1及与其兼容的Merqury版本组合,符合当前官方依赖说明;不要用早期Canu格式数据库替换新目录格式。MERQURY环境变量指向已验收安装根目录,R绘图及其他依赖也要检查,能调用meryl不代表整套评估已可运行。

计数与评估各自留一份资源记录

下例路径需替换为已经验收的文件。threads=4、memory=16是计数阶段的演示设置,不是完整Merqury总RAM硬上限;组装集合运算仍要另测。保留完整.meryl文件集,不能只复制一个索引文件或用空目录冒充已计数数据库。本例先把安装根目录转为绝对路径,并要求安装及工作目录无空白,避免上游Shell路径拆分;组装以本次新目录的固定软链接名引用。

#!/usr/bin/env bash
set -euo pipefail
: "${MERQURY:?填写兼容Merqury安装根目录}"
MERQURY="$(realpath -e "$MERQURY")"
export MERQURY
case "$MERQURY$PWD" in *[[:space:]]*) exit 2;; esac
r1=/data/individual_R1.fastq.gz
r2=/data/individual_R2.fastq.gz
assembly=/data/assembly.fa
test -s "$r1"
test -s "$r2"
test -s "$assembly"
test -s "$MERQURY/merqury.sh"
gzip -t "$r1" "$r2"
mkdir merqury-pilot-001
cd merqury-pilot-001
ln -s "$assembly" assembly.fa
export OMP_NUM_THREADS=4
meryl --version > meryl-version.txt 2>&1
/usr/bin/time -v -o count.resources.txt \
  meryl k=31 threads=4 memory=16 count "$r1" "$r2" output reads.meryl \
  > count.log 2>&1
meryl statistics reads.meryl > reads.statistics.txt 2>&1
test -s reads.statistics.txt
/usr/bin/time -v -o evaluation.resources.txt \
  bash "$MERQURY/merqury.sh" "$PWD/reads.meryl" "$PWD/assembly.fa" evaluation \
  > evaluation.log 2>&1
test -s evaluation.qv
test -s evaluation.completeness.stats

计数统计应与非空输入和所选k相符;评估后检查QV及完整性字段、频谱图和内部日志。文件非空只是最低门槛。某些边界情况可出现无穷或不可用QV,应回查错误k-mer与分母,不自动改成一个看起来合理的分数。完整性也需结合可靠读段k-mer的定义解释。

把工作盘预算按共存阶段列出

输入读段库与组装库、差集/交集和临时统计可能同时存在。记录计数结束占用、评估运行高水位、结果保存及上一轮待回传副本;du的终态值不能反推峰值。多组装或亲本路线还会增加集合与输出,不能直接复用本例单组装的盘预算。

运行前核对实际挂载点的可用空间与inode,不将另一个盘的空闲容量算进当前工作区。外部复制、解压和校验也占时间。先测一份代表数据,不只缩短读段后线性外推,因为不同k-mer数量、重复与测序错误会改变计数及临时分批行为。

保留解释所需的证据

QV、k-mer完整性和频谱分别回答不同问题,不代替结构正确性、污染、单倍型或生物学注释评价。同一个体读段的覆盖和偏差会影响证据,不能拿另一材料的数据库无说明当作独立质量基准。保存原输入校验、工具组合、k与命令,失败现场在确认可恢复前保留。

需要额外算力时

适用前提:合理的评估输入和k-mer设置确认后,必要工作盘超过现有容量。如需额外资源,可评估服务器租赁及按需工作盘或存储。咨询时说明软件版本、任务规模和使用期限,配置与支持范围另行确认。

咨询本任务的服务器配置

咨询本任务的服务器配置

留下手机号,我们会结合本文任务与您沟通服务器配置和报价。

也可联系云生信企业微信客服,说明本文任务。

参考与版本核对

按文中适用环境运行,所用版本与参数以实际安装环境和对应官方文档为准。

把知识用于当前任务

下一步可以直接开始分析

按研究目标查找在线工具、课程、计算资源或完整分析服务。

按目标找方案仍有疑问,联系客服 ↗