比较软件:
使用数据:大肠杆菌基因组
### count速度对比
# 1.jellyfish
time jellyfish count -m 15 -o jf.Ecoli.15mer -c 3 -s 1G -t 16 Ecoli.fasta &
# real 73m41.868s
# user 23m1.113s
# sys 28m0.840s
time jellyfish dump -c -t jf.Ecoli.15mer > jf.Ecoli.15mer.count.txt
# real 0m2.000s
# user 0m1.864s
# sys 0m0.128s
time jellyfish histo jf.Ecoli.15mer > jf.Ecoli.15mer.histo &
# real 0m0.678s
# user 0m0.642s
# sys 0m0.028s
# 2.KMC
time kmc -k15 -m12 -t16 -b -fm -ci0 Ecoli.fasta kmc.Ecoli.15mer kmc_tmp &
# real 0m0.791s
# user 0m1.445s
# sys 0m0.691s
time kmc_tools transform kmc.Ecoli.15mer dump kmc.Ecoli.15mer.txt &
# real 0m0.387s
# user 0m0.277s
# sys 0m0.099s
time kmc_tools transform kmc.Ecoli.15mer histogram kmc.Ecoli.15mer.histo &
# real 0m0.198s
# user 0m0.121s
# sys 0m0.069s
但是histo文件似乎有一些不一样。
1、jellyfish的Kmer频数统计
1 4443336
2 52451
3 11609
4 2699
5 5669
6 223
7 136
8 761
9 485
10 32
2、KMC的Kmer频数统计
1 4443345
2 52456
3 11610
4 2700
5 5668
6 223
7 136
8 760
9 486
10 32
再接着分析以下,越来越蒙了。
awk '{if($2=1) print $0}' jf.Ecoli.15mer.count.txt | less -S > jf.1.fre
# 4517632
awk '{if($2=1) print $0}' kmc.Ecoli.15mer.txt | less -S | > kmc.1.fre
# 4517652
但是总的来说,还是KMC来的更为快速。GenomeScope 2.0的作者也更加推荐KMC,应该也是对后续基因组大小评估等分析没有什么影响。
Jellyfish分析时,所使用的内存,如果分配得不够,那就是会出现上述结果不同的问题。
当Jellyfish分析时,所使用的内存增加到16G时(而非1G),两者的结果是相同的。
同时,给Jellyfish分配更多的内存之后,其运行速度也会加快。
jellyfish count -m 15 -o jf.Ecoli.15mer -c 3 -s 16G -t 16 Ecoli.fasta
jellyfish histo jf.Ecoli.15mer > jf.Ecoli.15mer.histo
结果文件:
1 4443345
2 52456
3 11610
4 2700
5 5668
6 223
7 136
8 760
9 486
10 32
[1] https://github.com/refresh-bio/KMC/issues/190