Merqury — 基于 k-mer 的无参考组装评估工具¶

# 方法1：conda 安装（推荐）
conda install -c bioconda merqury  # 从 bioconda 安装
# merqury 依赖 meryl（k-mer 计数工具），会自动安装

# 方法2：源码安装
git clone https://github.com/marbl/merqury.git  # 克隆源码
export MERQURY=$(pwd)/merqury                     # 设置环境变量
export PATH=$MERQURY:$PATH                        # 加入 PATH

# 验证安装
merqury.sh 2>&1 | head -5  # 查看用法信息

# 还需要安装 meryl
conda install -c bioconda meryl  # k-mer 数据库构建工具

# 用 meryl 从原始读段构建 k-mer 数据库
meryl count \
  k=21 \                         # k-mer 大小（21 是默认推荐值）
  threads=16 \                    # 线程数
  memory=32 \                     # 内存上限（GB）
  output reads.meryl \            # 输出的 k-mer 数据库
  reads_R1.fq.gz reads_R2.fq.gz  # 原始读段

# 基本评估（无 phasing）
merqury.sh \
  reads.meryl \                   # k-mer 数据库
  assembly.fasta \                # 组装序列
  output_prefix                   # 输出文件前缀

# 评估分型组装（有两套单倍型）
merqury.sh \
  reads.meryl \                   # k-mer 数据库
  hap1.fasta \                    # 单倍型 1
  hap2.fasta \                    # 单倍型 2
  phased_output                   # 输出前缀

# 使用亲本数据评估 phasing 质量（trio-binning）
# 先构建亲本 k-mer 数据库
meryl count k=21 threads=16 output maternal.meryl maternal_reads.fq.gz
meryl count k=21 threads=16 output paternal.meryl paternal_reads.fq.gz

# 提取亲本特有 k-mer
$MERQURY/trio/hapmers.sh \
  maternal.meryl \                # 母本 k-mer
  paternal.meryl \                # 父本 k-mer
  child.meryl                     # 子代 k-mer（可选）

# 用亲本 k-mer 评估
merqury.sh \
  child.meryl \
  maternal.inherited.meryl \      # 母本遗传的 k-mer
  paternal.inherited.meryl \      # 父本遗传的 k-mer
  hap1.fasta hap2.fasta \
  trio_output

# 单独计算 QV 值
$MERQURY/eval/qv.sh \
  reads.meryl \
  assembly.fasta \
  qv_output

# 生成 k-mer 频谱图（评估杂合度和组装完整性）
$MERQURY/plot/spectra-cn.sh \
  reads.meryl \
  assembly.fasta \
  spectra_output

# 关键输出文件：
# output_prefix.qv              — QV 质量值（每条 contig + 整体）
# output_prefix.completeness    — 完整性（k-mer 覆盖率）
# output_prefix.spectra-cn.fl.png — k-mer 频谱图

# QV 解读：
# QV30 = 每 1000 个碱基 1 个错误（99.9% 准确）
# QV40 = 每 10000 个碱基 1 个错误（99.99% 准确）
# QV50 = 每 100000 个碱基 1 个错误（99.999% 准确，T2T 级别）

# Completeness 解读：
# >95% = 组装非常完整
# 90-95% = 不错
# <90% = 可能有区域缺失