NextDenovo
NextDenovo 是一款基于字符串图（string graph）的长读长序列从头组装软件，适用于 CLR、HiFi 和 ONT 等长读长测序数据。该软件采用与 canu 相似的 “先校正后组装” 策略（PacBio HiFi 读长无需校正步骤），但所需的计算资源和存储空间显著更少。组装完成后，序列的单碱基准确率约为 98%-99.8%；若需进一步提升单碱基准确性，可尝试使用 NextPolish 软件。
我们以人类和黑腹果蝇的 Oxford Nanopore 长读长数据、拟南芥的 PacBio 连续长读长（CLR）数据为基准，将 NextDenovo 与其他组装软件进行了对比测试。结果表明，与其他工具相比，NextDenovo 组装得到的序列连续性更好，重叠群（contig）数量更少；且在组装一致性和单碱基准确性方面，NextDenovo 也表现出较高的组装精度。
https://github.com/Nextomics/NextDenovo #官网安装
环境要求
Python（支持 python 2 和 python 3）：需安装 Paralleltask 模块，执行命令：pip install paralleltask
安装方法
点击此处下载，或执行以下命令：
wget https://github.com/Nextomics/NextDenovo/releases/latest/download/NextDenovo.tgz tar -vxzf NextDenovo.tgz && cd NextDenovo若需从源码编译安装，执行：
git clone git@github.com:Nextomics/NextDenovo.git cd NextDenovo && make测试
执行以下命令进行测试：
nextDenovo test_data/run.cfg常用命令及参数
NextDenovo 至少需要一个读长文件（参数：input_fofn）作为输入，支持 gzip 压缩的 FASTA 和 FASTQ 格式，所有运行参数均通过配置文件传递。
输入项
input_fofn（一行一个文件）
可通过以下命令生成该文件：
ls reads1.fasta reads2.fastq reads3.fasta.gz reads4.fastq.gz ... > input.fofn配置文件
配置文件为文本文件，包含一组键值对（key=value）形式的参数，用于设置 NextDenovo 的运行参数。以下是典型的配置文件示例（该文件也位于 doc/run.cfg 路径下）：
[General] job_type = local job_prefix = nextDenovo task = all rewrite = yes deltmp = yes parallel_jobs = 20 input_type = raw read_type = clr # 可选值：clr, ont, hifi input_fofn = input.fofn workdir = 01_rundir [correct_option] read_cutoff = 1k genome_size = 1g # 预估基因组大小 sort_options = -m 20g -t 15 minimap2_options_raw = -t 8 pa_correction = 3 correction_options = -p 15 [assemble_option] minimap2_options_cns = -t 8 nextgraph_options = -a 1输出项
workdir/03.ctg_graph/nd.asm.fasta
FASTA 格式的重叠群（contig）文件。FASTA 标题行包含序列 ID、类型、长度、节点数等信息；序列中连续的小写字母区域表示弱连接区域，单个小写字母标记低质量碱基。
workdir/03.ctg_graph/nd.asm.fasta.stat
组装结果的基础统计信息文件，包含 N10-N90、总长度等指标。
参数说明
全局参数
job_type = sge
任务运行的调度类型，可选值：local（本地）、sge、pbs、lsf、slurm 等（默认值：sge）。
job_prefix = nextDenovo
任务的前缀标签（默认值：nextDenovo）。
task = <all, correct, assemble>
需要执行的任务类型：
- correct：仅执行校正步骤；
- assemble：仅执行组装步骤（仅当 input_type = corrected 或 read_type = hifi 时生效）；
- all：执行校正 + 组装全流程（默认值：all）。
rewrite = no
是否覆盖已存在的输出目录，可选值：yes、no（默认值：no）。
deltmp = yes
是否删除中间结果文件（默认值：yes）。
rerun = 3
未完成任务的重试次数，直至任务完成或达到设定次数；设为 0 表示不重试（默认值：3）。
parallel_jobs = 10
并行运行的任务数量（默认值：10）。
input_type = raw
输入读长的类型，可选值：raw（原始数据）、corrected（已校正数据）（默认值：raw）。
input_fofn = input.fofn
输入文件列表路径，要求一行一个文件（必填参数）。
read_type = {clr, hifi, ont}
读长类型（必填参数）：
- clr：PacBio 连续长读长（Continuous Long Reads）；
- hifi：PacBio 高准确度长读长（Highly Accurate Long Reads）；
- ont：纳米孔 1D 读长（NanoPore 1D reads）。
workdir = 01.workdir
工作目录（默认值：当前目录 ./）。
usetempdir = /tmp/test
计算节点上的临时目录，用于避免高 IO 等待（默认值：无）。
nodelist = avanode.list.fofn
可用节点的主机名列表，一行一个节点；非 sge 调度类型下需配合 usetempdir 使用。
submit = auto
提交任务的命令，auto 表示由 Paralleltask 自动设置。
kill = auto
终止任务的命令，auto 表示由 Paralleltask 自动设置。
check_alive = auto
检查任务状态的命令，auto 表示由 Paralleltask 自动设置。
job_id_regex = auto
用于从提交命令输出中解析任务 ID 的正则表达式，auto 表示由 Paralleltask 自动设置。
use_drmaa = no
是否使用 drmaa 接口提交和控制任务。
校正参数
read_cutoff = 1k
过滤长度小于该值的读长（默认值：1k）。
genome_size = 1g
预估的基因组大小，支持 K/M/G 单位后缀；用于计算 seed_cutoff/seed_cutfiles/blocksize 及平均测序深度；若手动设置 seed_cutoff，该参数可省略。
seed_depth = 45
预期的种子序列测序深度，用于计算 seed_cutoff，需与 genome_size 配合使用；建议设置为 30-45 以获得更优组装结果（默认值：45）。
seed_cutoff = 0
种子序列的最小长度；≤0 表示通过 bin/seq_stat 工具自动计算。
seed_cutfiles = 5
将种子序列拆分为指定数量的子文件（默认值：与 pa_correction 取值一致）。
blocksize = 10g
并行运行的块大小，将非种子序列拆分为多个小文件，每个文件的最大大小为 blocksize（默认值：10g）。
pa_correction = 3
并行执行的校正任务数量；每个校正任务约占用 总输入碱基数 / 4 字节的内存，该参数仅覆盖此步骤的 parallel_jobs 取值（默认值：3）。
minimap2_options_raw = -t 10
minimap2 运行参数，用于寻找原始读长间的重叠区域；详见 minimap2-nd 说明文档。
sort_options = -m 40g -t 10
排序参数；详见 ovl_sort 说明文档。
correction_options = -p 10
校正参数，具体说明如下：
- -p/--process：设置校正使用的进程数（默认值：10）；
- -b/--blacklist：关闭过滤步骤，保留更多校正后数据；
- -s/--split：将包含未校正区域的种子序列拆分（默认值：False）；
- -fast：加速模式（速度提升 0.5-1 倍，准确性略有下降）（默认值：False）；
- -dbuf：禁用 2bit 文件缓存，减少约 总输入碱基数 / 4 字节的内存占用（默认值：False）；
- -max_lq_length：校正后种子序列中连续低质量区域的最大长度；值越大，校正数据量越多但准确性越低（默认值：自动适配 [pb/1k, ont/10k]）。
组装参数
minimap2_options_cns = -t 8 -k17 -w17
minimap2 运行参数，用于寻找校正后读长间的重叠区域。
minimap2_options_map = -t 10
minimap2 运行参数，用于将读长比对回组装序列。
nextgraph_options = -a 1
nextgraph 运行参数。
