k-mer基因组调查分为k-mer频数统计和基因组特征评估两步。

• KmerGenie两步可以同时实现。k-mer基因组特征评估的频数统计和第二步。
• KmerGenie第一步的结果可用于评估其他软件的第二步基因组特征。
• KmerGenie可同时分析多个预设k-mers，并选择最佳基因组装k-mer值。

• KmerGenie2014年首次发表，2018年最新更新。开发基因组装参数k的最佳值。
• KmerGenie官网：http://kmergenie.bx.psu.edu/。
• 官方网站包括软件下载地址、示例报告和版本更新记录。

在KmerGenie官网：http://kmergenie.bx.psu.edu/ 下载，最新版本是18年更新的1.7051。

安装前需要python（>=2.7)和R支持，我用的anaconda的python，安装运行完成后自动移动kmergenie加上命令/anaconda3/bin/下面，所以你不必再把它拿走了kmergenie将命令添加到环境变量中。

wget http://kmergenie.bx.psu.edu/kmergenie-1.7051.tar.gz tar -xzvf kmergenie-1.7051.tar.gz python setup.py install kmergenie -h 

1. 命令

kmergenie fastq_list.txt -o ./sample -l 17 -k 121 -s 10 -t 4 > sample.log1.txt 2> sample.log2.txt

• fastq_list.txt文件保存着fastq每个文件都有一行文件的位置和名称。
• 默认单倍体模式，以k-mer长度为17开始，121结束，10间隔逐一测试；程序运行线程数4。
• 结果输出在当前路径下sample结果文件前缀名。
• “sample.log1.txt”和“sample.log2.txt分别是程序运行中正确/错误的输出日志。

2. 参数

• –diploid：使用双倍体模式，默认为单倍体模式（haploid）。
• –one-pass：默认是两次评估（two passes），该参数设置用于跳过2bpK的第二次评估分辨率。
• -k 121：最大的k-mer默认值为121。
• -l 15：最小的k-mer默认值为15。
• -s 10:最小最大k-mer默认值间间隔为10。这意味着它将进行k=15,25,35…115,121的分析。
• -e 200:程序运行内存默认为每个线程200MB。
• -t 8：线程数。
• -o histograms：默认情况下，输出文件的前缀是histograms。
• –debug：开发人员使用，输出R脚本。
• –orig-hist：老程序的评价方法(速度慢，准确性低)。

1. 结果报告文件sample_report.html

下载所有结果文件，打开sample_report.html，报告内容包括：

• 开头以折线图的形式显示每个长度k-mer下，估计基因组的大小。
• 同时给出了最佳k-mer选择数值。其实就是将评估基因组总大小最高的那个k-mer值判定为最佳k-mer，当基因组装时k-mer选择提供参考。
• 折线图的详细说明包括最佳说明k-mer当测序深度足够高时，评估规则和评估规则k-mer选择等。
• 每种k-mer基因组中的频数分布图k-mer基因组杂度或重复序列比例可根据图确定。

2. 频数分布表sample.histo

• 包括各k-mer取值下的频数分布表sample.histo对应的频数分布图sample.histo.pdf。
• 若要用某个k-mer做频数分布表基因组特征评估，可以自己画频数分布图sample.histo文件。

3. 所有k-mer取值评估的基因组大小记录在sample.dat

• 包括sample.dat和sample.dat.pdf。

1. 二倍体模式

• 如果待测物种是低杂合低重复的简单基因组，则使用单倍体模式。
• 使用复杂的基因组二倍体模式。
• 如果不确定基因组是简单还是复杂，可以根据结果中是否有单倍体模式运行明显杂合峰判断，然后运行二倍体模式。

2. KmerGenie软件默认将k-mer频数曲线纵坐标进行log10转化
   可通过修改脚本来改变显示效果：

• 在脚本kmergenie-1.7051/scripts/plot_histogram.r中第110行，suppressWarnings函数的参数log='y'设置的log10转换可以去除log='y'未显示参数log转换的原始坐标。
• 在脚本kmergenie-1.7051/scripts/plot_histogram.r中第110行，suppressWarnings函数的参数covNormalized改为covNormalized[-c(1:5)]来过滤掉Abundance<5的区域。

3. k-mer取值

• KmerGenie软件是用于二代数据组装基因组推荐k-mer参数最佳k-mer评估基因组最大的对应性k-mer。
• 在基因组装中，k-mer的取值受测序深度的影响，如果测序深度越高，可以选择更高的k-mer尝试组装，以获得更长更完整contigs序列。
• 但在低深度测序模式下使用较高的k-mer组装时，会引入更高的错误率。表现为k-mer频数分布曲线(未进行纵坐标)log10转换)由于测序错误导致的低频k-mer数量未随着k-mer频率上升下降到最低，产生上升趋势。
• 用KmerGenie当软件进行基因组调查时，可以根据每个基因组进行调查k-mer选择更合适的频数分布图结果k-mer值做基因组特征评估。

1. KmerGenie website：http://kmergenie.bx.psu.edu/
2. KmerGenie paper：https://academic.oup.com/bioinformatics/article/30/1/31/235479
3. http://blog.sciencenet.cn/blog-3406804-1159967.html
4. https://www.jianshu.com/p/0251b55977c0