cap3拼接sanger序列：在线+本地分析方法实战

文章目录

简介
在线版使用
本地版使用
- 安装
- 程序运行命令行
- 准备输入文件
- 运行拼接
Reference

简介

Cap3是一款历史悠久的序列拼接软件，非常适合Sanger序列拼接。此软件于1999年发表于Genome Rsearch杂志，目前Google统计引用4885次(截止2019年1月30号)。

Huang, X. and Madan, A. (1999) CAP3: A DNA sequence assembly program. Genome Res., 9, 868-877.

优秀的软件都会有在线版和本地版两个版本。在线版方便小数据量的用户、或无法拥有服务器和缺少Linux系统软件安装经验的用户，轻松点击鼠标完成拼接。本地版，配合强大的命令行，可以批量完成大数据量的拼接。

在线版使用

http://doua.prabi.fr/software/cap3

最后更新时间为2014年1月。

可以在对话框中提交如2条及以上要拼接，且存在overlap的fasta格式序列(方向无所谓，软件会自己调整)，点击提交(SUBMIT)即可。

结果如下：

Contigs：拼接的结果，一般就是你想要的结果；
Single sequences：末拼接的序列，如果都拼接成果，此链为空；
Assembly details：拼接详细，可以看到序列拼接多序列的方向，比对详细和一致序列，详见下面。
Your sequence file：你刚才提交的序列，可以复制内容保存

查看拼接的细节文件，有助于了解序列方向，拼接结构，碱基一致性等信息。

Number of segment pairs = 6; number of pairwise comparisons = 3
'+' means given segment; '-' means reverse complementOverlaps            Containments  No. of Constraints Supporting Overlap******************* Contig 1 ********************
27F+
515+
1492-DETAILED DISPLAY OF CONTIGS
******************* Contig 1 ********************.    :    .    :    .    :    .    :    .    :    .    :
27F+                  TGCAAGTCGAACGGCAGCACGGGAGCAATCCTGGTGGCGAGTGGCGAACGGGTGAGTAAT____________________________________________________________
consensus             TGCAAGTCGAACGGCAGCACGGGAGCAATCCTGGTGGCGAGTGGCGAACGGGTGAGTAAT.    :    .    :    .    :    .    :    .    :    .    :
27F+                  ACATCGGAACGTGCCCAGTAGTGGGGGATAGCTCGGCGAAAGCCGGATTAATACCGCATA____________________________________________________________
consensus             ACATCGGAACGTGCCCAGTAGTGGGGGATAGCTCGGCGAAAGCCGGATTAATACCGCATA.    :    .    :    .    :    .    :    .    :    .    :
27F+                  CGACCTACGGGTGAAAGCGGGGGACCGCAAGGCCTCGCGCTATTGGAGCGGCCGATGTCA____________________________________________________________
consensus             CGACCTACGGGTGAAAGCGGGGGACCGCAAGGCCTCGCGCTATTGGAGCGGCCGATGTCA.    :    .    :    .    :    .    :    .    :    .    :
27F+                  GATTAGCTAGTTGGTGGGGTAAAGGCCTACCAAGGCGACGATCTGTAGCTGGTCTGAGAG____________________________________________________________
consensus             GATTAGCTAGTTGGTGGGGTAAAGGCCTACCAAGGCGACGATCTGTAGCTGGTCTGAGAG.    :    .    :    .    :    .    :    .    :    .    :
27F+                  GACGACCAGCCACACTGGGACTGAGACACGGCCCAGACTCCTACGGGAGGCAGCAGTGGG____________________________________________________________
consensus             GACGACCAGCCACACTGGGACTGAGACACGGCCCAGACTCCTACGGGAGGCAGCAGTGGG.    :    .    :    .    :    .    :    .    :    .    :
27F+                  GAATTTTGGACAATGGGGGCAACCCTGATCCAGCCATGCCGCGTGCGGGAAGAAGGCCTT____________________________________________________________
consensus             GAATTTTGGACAATGGGGGCAACCCTGATCCAGCCATGCCGCGTGCGGGAAGAAGGCCTT.    :    .    :    .    :    .    :    .    :    .    :
27F+                  CGGGTTGTAAACCGCTTTTGTCAGGGAAGAAACGCGCCGAGCTAATACCTCGGTGTAATG____________________________________________________________
consensus             CGGGTTGTAAACCGCTTTTGTCAGGGAAGAAACGCGCCGAGCTAATACCTCGGTGTAATG.    :    .    :    .    :    .    :    .    :    .    :
27F+                  ACGGTACCTGAAGAATAAGCACCGGCTAACTACGTGCCAGCAGCCGCGGTAATACGTAGG____________________________________________________________
consensus             ACGGTACCTGAAGAATAAGCACCGGCTAACTACGTGCCAGCAGCCGCGGTAATACGTAGG.    :    .    :    .    :    .    :    .    :    .    :
27F+                  GTGCAAGCGTTAATCGGAATTACTGGGCGTAAAGCGTGCGCAGGCGGCTTTGCAAGACAG
515+                                                 AAGCGTGCGCAGGCGGCTTTGCAAGACAG____________________________________________________________
consensus             GTGCAAGCGTTAATCGGAATTACTGGGCGTAAAGCGTGCGCAGGCGGCTTTGCAAGACAG.    :    .    :    .    :    .    :    .    :    .    :
27F+                  ATGTGAAATCCCCGGGCTTAACCTGGGAACTGCATTTGTGACTGCATGGCTGGAGTGCGG
515+                  ATGTGAAATCCCCGGGCTTAACCTGGGAACTGCATTTGTGACTGCATGGCTGGAGTGCGG____________________________________________________________
consensus             ATGTGAAATCCCCGGGCTTAACCTGGGAACTGCATTTGTGACTGCATGGCTGGAGTGCGG.    :    .    :    .    :    .    :    .    :    .    :
27F+                  CAGAGGGGGATGGAATTCCGCGTGTAGCAGTGAAATGCGTAGATATGCGGAGGAACACCG
515+                  CAGAGGGGGATGGAATTCCGCGTGTAGCAGTGAAATGCGTAGATATGCGGAGGAACACCG
1492-                     GGGGGATGGAATTCCGCGTGTAGCAGTGAAATGCGTAGATATGCGGAGGAACACCG____________________________________________________________
consensus             CAGAGGGGGATGGAATTCCGCGTGTAGCAGTGAAATGCGTAGATATGCGGAGGAACACCG

本地版使用

安装

软件安装，可以通过官网下载源代码 http://seq.cs.iastate.edu/cap3.html。在Linux, Mac, Windows, Solaris各主流系统版本。

但推荐使用conda安装，会自动安装它及相关的40余个依赖关系

conda install cap3

程序运行命令行

cap3 File_of_reads [options]

如： cap3 seq.fa

seq.fa中包括要拼接的序列，可以手动制作。也可以使用脚本。

准备输入文件

通常测序的结果为.seq文件。我们要将序列合并有一个共同的前缀，如RiceP14C02，使用我写的脚本format_seq2fasta.pl将其合并为fasta格式，脚本在我的 https://github.com/YongxinLiu/Note 中 Perl 文件夹中

如：输入文件保存于seq目录中名字如下：

seq/RiceP14C02_1492R.seq
seq/RiceP14C02_27F.seq
seq/RiceP14C02_515F.seq

合并一条序列的多个文件

file=RiceP14C02
format_seq2fasta.pl -i "seq/${file}_*.seq" -o ${file}.fa

对于另一个拼接的任务，你可以修改file等号后面的即可。想要批量调用，直接使用for循环即可

运行拼接

运行cap3，只需提供输入fa文件

cap3 ${file}.fa

结果有如下5个文件

RiceP14C02.fa.cap.ace：原始序列使用信息
RiceP14C02.fa.cap.contigs：拼接序列结果
RiceP14C02.fa.cap.contigs.links：空
RiceP14C02.fa.cap.contigs.qual：质量
RiceP14C02.fa.cap.info：信息
RiceP14C02.fa.cap.singlets：空

由于每个序列名称都叫Contig1，需要改名为序列名

sed -i "1 s/Contig1/${file}/" ${file}.fa

Reference

Huang, X. and Madan, A. (1999) CAP3: A DNA sequence assembly program. Genome Res., 9, 868-877.
在线版 http://doua.prabi.fr/software/cap3
本地版 http://seq.cs.iastate.edu/cap3.html