k-mer基因组调查分为k-mer频数统计和基因组特征评估两步。

• KMC第一步可以实现k-mer频数统计。
• KMC的结果sample.histo可以用在GenomeScope实现基因组特征评估的第二步。

• KMC是用来从的FASTQ/FASTA文件中计算k-mers的基于KMC二进制数据库程序。
• KMC是波兰的Silesian University of Technology算法和软件学院REFRESH Bioinformatics Group开发工具。
• 第三个版本于2017年发布，KMC3。
• KMC主要基于C语言的程序。

1. 版本

   有两个版本KMC，第一版一般使用，Smudgeplot第二个版本用于评估物种倍性。

• 一个是REFRESH Bioinformatics Group的refresh-bio/KMC。
• 一个是GenomeScope2.0的开发团队tbenavi1修改的tbenavi1/KMC

2. 下载

   在KMC download找对应系统的最新版本KMC下载解压缩软件即可使用。

mkdir KMC && cd KMC wget https://github.com/refresh-bio/KMC/releases/download/v3.2.1/KMC3.2.1.linux.tar.gz #下载最新版本KMC tar -xzf KMC3.2.1.linux.tar.gz #解压缩和解包，生成bin文件夹和include文件夹 

3. 使用

   解压缩后bin目录下会包含可执行文件，可直接使用，建议加入环境变量，包括：

• bin/kmc：计算k-mer频数的主程序
• bin/kmc_dump：在kmc在生成数据库中列出k-mers的程序
• bin/kmc_tools：允许操作kmc数据库程序

用KMC计算k-mer频率，生成k-mer直方表和频数k-mer直方图。

1. 运行

mkdir tmp #创建临时文件夹 ls *.fastq.gz > FILES #用于分析clean reads将路径保存到文件中FILES中 kmc -k21 -t16 -m64 -ci1 -cs10000 @FILES kmcdb tmp #计算k-mer频率 kmc_tools transform kmcdb histogram sample.histo -cx10000 #生成k-mer频数直方表sample.histo和k-mer直方图 

2. kmc命令参数

• -k21：k-mer长度设置为21
• -t16：线程16
• -m64：内存64G，设置使用RAM范围为1-1024。
• -ci1 -cs10000：统计k-mer coverages覆盖范围为[1-10000]。
• @FILES：保存输入文件列表的文件名称FILES
• kmcdb：KMC数据库输出文件名前缀
• tmp：临时目录

3. kmc_tools命令参数

• -cx10000:存储在直方图文件中counter的最大值。

4. 结果

   生成的sample.histo可用于第二步GenomeScope的分析。

获得k-mer频数分布表sample.histo后

• 推荐用GenomeScope1.0或者GenomeScope2.0或者GenomeScopeR脚本用于基因组特征评估和绘图。
• 也可直接用R绘制sample.histo频率分布直方图/频率分布曲线。

1. 在GenomeScope1.0 网页版上传前一步获得的k-mer频数分布表sample.histo文件。
2. 设置参数k-mer length选择第一步k-mer这是17；参数Read length序列读长一般为150；最后一个参数Max kmer coverage建议修改为更大的10000，统计更多k-mers。
3. 结果显示了基因组基因组大小、杂合度、重复率等信息。

GenomeScope2.0 网页版也是类似的步骤。

• R绘制k-mer基因组特征初步检查频数分布曲线。
• 获得kmer_plot.png基因组的大小可以根据曲线的峰值来计算和估计。

#R 脚本示例 kmer <- read.table('sample.histo') kmer <- subset(kmer, V1 >=5 & V1 <=500) #绘制5-500频率范围的数据  Frequency <- kmer$V1 Number <- kmer$V2 png('kmer_plot.png') plot(Frequency, Number, type = 'l', col = 'blue') dev.off() 

1. KMC3 paper：https://academic.oup.com/bioinformatics/article/33/17/2759/3796399
2. refresh-bio/KMC：https://github.com/refresh-bio/KMC
3. tbenavi1/KMC github：https://github.com/tbenavi1/KMC