Canu — 长读段纠错与组装一站式工具¶

# 方法1：conda 安装（推荐）
conda install -c bioconda canu  # 从 bioconda 安装

# 方法2：预编译下载
wget https://github.com/marbl/canu/releases/download/v2.2/canu-2.2.Linux-amd64.tar.xz
tar -xJf canu-2.2.Linux-amd64.tar.xz  # 解压即用

# 验证安装
canu --version  # 当前最新 v2.2（2022年，稳定版本）

# ONT 读段完整组装流程（纠错 → 修剪 → 组装）
canu \
  -p sample \                    # 输出文件前缀
  -d canu_output \               # 输出目录
  genomeSize=5m \                # 基因组大小（细菌约 5Mb）
  -nanopore ont_reads.fq.gz      # ONT 读段

# PacBio CLR 读段组装
canu \
  -p sample \
  -d canu_output \
  genomeSize=5m \
  -pacbio clr_reads.fq.gz        # PacBio CLR 读段

# PacBio HiFi 读段组装
canu \
  -p sample \
  -d canu_output \
  genomeSize=5m \
  -pacbio-hifi hifi_reads.fq.gz  # PacBio HiFi 读段

# 只做纠错（纠错后的读段给 Flye/Hifiasm 用）
canu \
  -correct \                     # 只执行纠错步骤
  -p corrected \
  -d correct_output \
  genomeSize=5m \
  -nanopore ont_reads.fq.gz
# 纠错后的读段：correct_output/corrected.correctedReads.fasta.gz

# 只做修剪
canu \
  -trim \                        # 只执行修剪步骤
  -p trimmed \
  -d trim_output \
  genomeSize=5m \
  -nanopore-corrected corrected_reads.fq.gz  # 输入已纠错的读段

# 只做组装
canu \
  -assemble \                    # 只执行组装步骤
  -p assembled \
  -d assemble_output \
  genomeSize=5m \
  -nanopore-corrected trimmed_reads.fq.gz  # 输入已修剪的读段

# 调整参数适应高覆盖度数据
canu \
  -p sample \
  -d canu_output \
  genomeSize=5m \
  correctedErrorRate=0.05 \      # 纠错后的预期错误率（ONT 默认 0.12）
  minReadLength=5000 \           # 最短读段长度（过滤短片段）
  minOverlapLength=2000 \        # 最短重叠长度
  -nanopore ont_reads.fq.gz

# 在 Slurm 集群上运行
canu \
  -p sample \
  -d canu_output \
  genomeSize=3g \                # 人类基因组 3Gb
  useGrid=true \                 # 启用集群模式
  gridEngineResourceOption="-l h_vmem=MEMORY" \
  gridOptions="--partition=normal" \
  -nanopore ont_reads.fq.gz

ls canu_output/
# sample.contigs.fasta  — 最终 contig 序列（主要结果）
# sample.unassembled.fasta — 未组装的读段
# sample.report          — 组装统计报告
# sample.contigs.layout  — contig 布局信息