# ALLHiC: 辅助组装简单的二倍体基因组 ALLHiC除了能够解决复杂基因组（高杂合，多倍体）的基因组组装问题，还能够搞定简单的基因组组装，毕竟本质上都是利用HiC的信号。 ALLHiC大概有两个优势： 1. 对同源多倍体是一种解决方案 2. 当contig组装比较短的时候，大部分情况allhic的排序优于其他软件(如果contig很长的话，可以优先考虑下3d-dna打断，过长的contig或许是错误组装造成) 参考[使用ALLHiC基于HiC数据辅助基因组组装]( /archives/Assemble-genome-using-ALLHiC-with-HiC-Data )完成软件安装和前三步的数据预处理，将Fastq文件转成BAM文件。 下面假定你的初步组装结果是`draft.asm.fasta`, Fastq预处理后的文件是`sample.clean.bam` 之后，我们将contig根据相互之间的信号强弱关系进行分组，至于分成多少组要根据物种具体的染色体数目而定。 ```bash ALLHiC_partition -b sample.clean.bam -r draft.asm.fasta -e AAGCTT -k 16 # -k: 聚类组数 # -e: 酶切类型, 预设HindIII: AAGCTT; MboI: GATC # -m: 每个contig最少的酶切位点, 默认25 ``` 要根据自己的实际建库方法选择酶切位点的识别序列，**注**, DpnI, DpnII, MboI, Sau3AI 这些酶都是识别相同的序列，仅仅是对甲基化敏感度不同。 接着，提取CLM和每个contig的酶切数 ```bash allhic extract sample.clean.bam draft.asm.fasta --RE AAGCTT ``` 然后是对每个组的contig位置和方向进行优化 ```bash # 如下命令可以通过循环同时运行 allhic optimize sample.clean.counts_AAGCTT.16g1.txt sample.clean.clm allhic optimize sample.clean.counts_AAGCTT.16g2.txt sample.clean.clm ... allhic optimize sample.clean.counts_AAGCTT.16g16.txt sample.clean.clm ``` 最终获取染色体级别的组装 ```bash ALLHiC_build draft.asm.fasta ``` 绘制热图对组装进行评估 ```bash # 获取染色体长度 perl getFaLen.pl -i groups.asm.fasta -o len.txt # 构建chrn.list grep 'merge.clean.counts_GATC' len.txt > chrn.list # 绘图, 500k表示分辨率 ALLHiC_plot sample.clean.bam groups.agp chrn.list 500k pdf ``` 其中[getFaLen.pl](https://github.com/tangerzhang/my_script/blob/master/getFaLen.pl)可以从<https://github.com/tangerzhang/my_script>获取 ## 参考资料 - <https://github.com/tangerzhang/ALLHiC/wiki/ALLHiC:-scaffolding-of-a-simple-diploid-genome>