SOAPdenovo是一個新穎的適用於組裝短reads的方法，能組裝出類似人類基因組大小的de novo草圖。
該軟件特地設計用來組裝Illumina GA short reads，新的版本減少了在圖創建時的內存消耗，解決了contig組裝時的重復區域的問題，增加了scaffold組裝時的覆蓋度和長度，改進了gap closing，更加適用於大型基因組組裝。
（SOAPdenovo是為了組裝大型植物和動物基因組而設計的，同樣也適用於組裝細菌和真菌，組裝大型基因組大小如人類時，可能需要150G內存。）
1.配置文件
一般大型基因組組裝項目都會有多個文庫，配置文件包含文庫的位置信息 以及 其他信息。
配置文件包含 全局信息 和 多個文庫部分信息。
全局信息：max_rd_len：任何比它大的read會被切到這個長度。
文庫部分由[LIB]開始，並包含如下信息：
1) avg_ins
文庫的平均插入長度，或者是插入長度分布圖的峰值。（科普：理論上插入片段長度是成正態分布的，並不是嚴格控制的）
2) reverse_seq
這個選項有 0 或 1 兩個選項，它告訴組裝器read序列是否需要被完全反轉。Illumima GA 產生兩種 paired-end 文庫：一是forward-reverse；另一個是 reverse-forward。"reverse_seq"參數應該如下設置：0，forward-reverse（由典型的插入長度少於500 bp的DNA末端片段生成）；1，reverse-forward（由環狀文庫，典型的2 kb以上的文庫生成）。
3) asm_flags
決定reads哪一段會被利用，1（僅進行contig組裝）；2（僅進行scaffold組裝）；3（contig和scaffold都組裝）；4（只進行gap closure）。
4) rd_len_cutof
組裝器會過濾掉當前文庫中到這個長度之間的reads。
5) rank
為整數值，它決定在scaffold組裝時reads被利用的順序。文庫中具有同樣rank值的會被同時使用（在組裝scaffold時）。
6) pair_num_cutoff
該參數是成對number的 cutoff value，為了得到兩條contigs的可靠的連接 或 pre-scaffolds。paired-end reads and mate-pair reads 的最小數量分別是 3 和 5.
7) map_len
這個參數在“map”階段生效，它是read 和 contig 的最小比對長度，用來建立一個可靠的read定位。
paired-end reads and mate-pair reads 的最小的長度分別是 32 和 35.
組裝器接受三種read格式：FASTA, FASTQ and BAM。
Mate-pair關系：fastq中兩個文件的同行序列；fasta中的鄰行序列，bam文件比較特殊。
配置文件中，單端文件用"f=/path/filename" or "q=/pah/filename" 表示 fasta or fastq 格式。
雙端reads被放在兩個fasta文件中，分別為"f1=" and "f2="。fastq文件由"q1=" and "q2="表示。
雙端reads如果全在一個fasta文件中，則用"p=" 選項；reads在bam文件中則用"b=".選項。
以上參數大多是可選的，如果你不知道怎么用，可以不設置，讓軟件使用默認參數。
2.命令及參數
常用的一站式運行方式：
${bin} all -s config_file -K 63 -R -o graph_prefix 1>ass.log 2>ass.err
分四步運行：
${bin} pregraph -s config_file -K 63 -R -o graph_prefix 1>pregraph.log 2>pregraph.err
OR
${bin} sparse_pregraph -s config_file -K 63 -z 5000000000 -R -o graph_prefix 1>pregraph.log 2>pregraph.err
${bin} contig -g graph_prefix -R 1>contig.log 2>contig.err
${bin} map -s config_file -g graph_prefix 1>map.log 2>map.err
${bin} scaff -g graph_prefix -F 1>scaff.log 2>scaff.err
all (pregraph-contig-map-scaff)的參數
-s <string> 配置文件：config -o <string> 輸出圖：輸出圖文件名的前綴 -K <int> kmer(最小 13, 最大 63/127): kmer size, [23] -p <int> cpu核數 [8] -a <int> 初始的內存：避免內存再分配，單位為G [0] -d <int> KmerFreqCutoff: kmers with frequency no larger than KmerFreqCutoff will be deleted, [0] -R (optional) resolve repeats by reads, [NO] -D <int> EdgeCovCutoff: edges with coverage no larger than EdgeCovCutoff will be deleted, [1] -M <int> mergeLevel(min 0, max 3): the strength of merging similar sequences during contiging, [1] -m <int> max k when using multi kmer -e <int> weight to filter arc when linearize two edges(default 0) -r (optional) keep available read(*.read) -E (optional) merge clean bubble before iterate -f (optional) output gap related reads in map step for using SRkgf to fill gap, [NO] -k <int> kmer_R2C(min 13, max 63): kmer size used for mapping read to contig, [K] -F (optional) fill gaps in scaffold, [NO] -u (optional) un-mask contigs with high/low coverage before scaffolding, [mask] -w (optional) keep contigs weakly connected to other contigs in scaffold, [NO] -G <int> gapLenDiff: allowed length difference between estimated and filled gap, [50] -L <int> minContigLen: shortest contig for scaffolding, [K+2] -c <float> minContigCvg: minimum contig coverage (c*avgCvg), contigs shorter than 100bp with coverage smaller than c*avgCvg will be masked before scaffolding unless -u is set, [0.1] -C <float> maxContigCvg: maximum contig coverage (C*avgCvg), contigs with coverage larger than C*avgCvg or contigs shorter than 100bp with coverage larger than 0.8*C*avgCvg will be masked before scaffolding unless -u is set, [2] -b <float> insertSizeUpperBound: (b*avg_ins) will be used as upper bound of insert size for large insert size ( > 1000) when handling pair-end connections between contigs if b is set to larger than 1, [1.5] -B <float> bubbleCoverage: remove contig with lower cvoerage in bubble structure if both contigs coverage are smaller than bubbleCoverage*avgCvg, [0.6] -N <int> 基因組大小 [0] -V (optional) 組裝的可視化信息輸出 [NO]
學到的基本概念：
參考資料：
SOAPdenovo官方網站