SPAdes
SPAdes 是由俄罗斯科学院 St. Petersburg Academic University 与美国科学家合作开发的主要应用于小型基因组如细菌，真菌等基因组测序数据的拼接软件。目前的最新版本 v3.6.2 可以支持常见的 illumina miseq/hiseq 和 ion torrent 测序数据，对单分子测序平台的 pacbio 和 nanopore 的测序数据也能进行拼装，还能进行混合数据的拼装。在 GAGE-B 的测拼里，在 Miseq 平台上的结果获得了最好的评价。
1. 下载并安装 SPAdes
1.1 下载Linux安装包
直接下载预编译安装包，并添加路径到环境变量中。
~/tmp$ wget http://spades.bioinf.spbau.ru/release3.6.2/SPAdes-3.6.2-Linux.tar.gz
~/tmp$ tar -zxf SPAdes-3.6.2-Linux.tar.gz -C ~/apps
~/tmp$ echo 'export PATH=$PATH:$HOME/apps/SPAdes-3.6.2-Linux/bin' >> ~/.bashrc
~/tmp$ source ~/.bashrc
spades.py --test 命令可以测试安装是否成功，当终端看到如下提示时，表示安装成功可以使用了。
========= TEST PASSED CORRECTLY.
SPAdes log can be found here: /home/ubuntu/spades_test/spades.log
Thank you for using SPAdes!
1.2 下载源代码
也可以下载源码自行编译安装。编译需要安装一些依赖库和工具:
- g++ (version 4.7 or higher)
- cmake (version 2.8.8 or higher)
- zlib
- libbz2
首先我们需要先确保系统中已经安装这些依赖。
~/$ sudo apt-get install cmake g++ zlib1g-dev libbz2-dev
然后下载源代码，自行编译安装。
~/tmp$ curl -O http://spades.bioinf.spbau.ru/release3.6.2/SPAdes-3.6.2.tar.gz
~/tmp$ tar -zxf SPAdes-3.6.2.tar.gz -C ~/app
~/tmp$ cd ~/app/SPAdes-3.6.2
~/app$ sudo PREFIX=/usr/local ./spades_compile.sh
2. 拼装基因组
2.1 illumina数据
对于PE数据，命令行支持最多5组PE，如果要使用更多PE数据，可以使用YAML文件来配置。
以1株甲型副伤寒沙门菌基因组测序数据为例，SRA Run Accession:ERR571271。如果安装了sra toolkit和ascpera，可以直接prefetch抓取数据，否则可以用wget等命令下载ftp上的数据，速度会慢一些。
最简单的参数设置只要提供fastq序列和输出目录即可。如果计算机的内存有限，最好设置-m来限制内存使用，否则out of memory了，就白白浪费时间了。
~/data$ prefetch -v ERR571271
# 也可以使用ascp下载
~/data$ ascp -i ~/.aspera/connect/etc/asperaweb_id_dsa.openssh \
> --user=anonftp --host=ftp.ncbi.nlm.nih.gov -T -k 1 -l 100m \
> /sra/sra-instant/reads/ByRun/sra/ERR/ERR571/ERR571271/ERR571271.sra .
# 或者直接从ftp下载
~/data$ curl -O ftp://ftp-trace.ncbi.nlm.nih.gov/sra/sra-instant/reads/ByRun/sra/ERR/ERR571/ERR571271/ERR571271.sra
# 用fastq-dump将sra文件转换成fastq格式
~/data$ fastq-dump --split-files ERR571271.sra
# 用spades.py进行数据拼接
~/data$ spades.py -m 8 -1 SRR95386_1.fastq -2 SRR955386_2.fastq -o spades_output/
SPAdes会尝试不同的Kmer，因此拼装时间也会根据Kmer选择数量成倍增加。一般一个大肠杆菌基因组拼接，最好在4核/16G内存的机器上运行，大约要几个小时左右的时间。虽然相对于velvet等默认采用固定kmer的工具来说(velvet也可以使用多kmer来拼接)，时间开销会大一些，但是出来的拼接结果质量是比较高的，特别是针对PE250的Miseq平台。对于Hiseq PE150的数据，之前的评估显示 MaSuRCA 的拼接结果要更好。
如果测了多次，对于多组PE数据，可以用以下参数来组装：
~/data$ spades.py --pe1-1 input-1_forward.fastq.gz --pe1-2 input-1_reverse.fastq.gz \
> --pe2-1 input-2_forward.fastq.gz --pe2-2 input-2_reverse.fastq.gz -o output
对于目前常见的Miseq/Hiseq的PE150/PE250的长片断测序数据，可以用以下参数运行拼装:
# 对于PE250的数据，官方推荐直接用以下kmer来拼接
~/data$ spades.py -k 21,33,55,77,99,127 --careful \
> -1 input_forward.fastq -2 input_backward.fastq -o spades_output/
2.2 ion torrent数据
~/data$ spades.py
3. 结果输出
输出目录中的文件：
corrected 目录 BayesHammer 矫正过的 reads 文件
config.fasta 是 contig 结果文件
scaffolds.fasta 是 scaffold 结果文件
params.txt 拼接参数信息
spades.log 运行日志
dataset.info 内部配置文件
input_dataset.yaml YAML格式的配置文件
K<##>/ 目录包含不同kmer运行结果产出的结果