1. DISCOVAR简介
DISCOVAR 是有 ALLPATHS-LG 软件开发团队做出来的软件。主要用于利用 PE 250bp 数据与参考基因组的比对结果，对基因组进行 Variants calling 的同时，进行基因组的组装。特别是近期公布的 DISCOVAR de novo (experimental) 还能进行基因组的 De novo 组装。
2. DISCOVAR的下载和安装
2.1 DISCOVAR的下载和安装
此软件的安装需要GCC 4.7或以上版本。
[code lang="shell"]
$ wget ftp://ftp.broadinstitute.org/pub/crd/Discovar/latest_source_code/LATEST_VERSION.tar.gz
$ tar zxf LATEST_VERSION.tar.gz
$ cd discov*
$ ./configure --prefix=/opt/biosoft/discovar && make -j 4 && make install
$ cd ..
$ rm -rf discov* LATEST_VERSION.tar.gz
[/code]
2.2 DISCOVAR Denovo的下载和安装
此软件的安装需要GCC 4.7或以上版本，jemalloc 3.6.0或以上版本和samtools（如果使用bam文件，则需要）。
[code lang="shell"]
$ wget ftp://ftp.broadinstitute.org/pub/crd/DiscovarExp/LATEST_VERSION.tar.gz
$ tar zxf LATEST_VERSION.tar.gz
$ cd discov*
$ sudo yum install *malloc*
[/code]
如果没有上一步，则在make过程中会提示错误“/usr/bin/ld: cannot find -ljemalloc”
[code lang="shell"]
$ ./configure --prefix=/opt/biosoft/discovarDenovo && make -j 4 && make install
$ echo 'export MALLOC_PER_THREAD=1' >> ~/.bashrc
[/code]
上一步设置用于allowing per-threads memory management，能提高计算性能。
[code lang="shell"]
$ cd ..
$ rm -rf discov* LATEST_VERSION.tar.gz
[/code]
3. 软件使用的注意事项
1. 强烈推荐使用 PCR-free protocol library 数据；数据量推荐为 ~60x，略大于或小于该值也是 OK 的。
2. 必须使用 Illumina MiSeq 或 HiSeq 2500 测序仪产生的 >=250 bp 长度的 Paired End 数据，并且首尾 reads 要有重叠。如果 PE 250bp 数据，则 Insert Size 长度要为 400-500 bp（需要注意的是软件的 manual 中可能写成 700bp，这是不对的）。
3. 只能使用一个文库的数据。，不支持输入 mate paired 数据。
4. DISCOVAR de novo (experimental) 能进行基因组的 de novo 组装，支持基因组大小可达 ~3 GB。
3. 软件的使用
3.1 DISCOVAR 的使用
软件的输入文件是 sort 过后的 Bam 文件，一个常用例子：
[code lang="shell"]
$ Discovar READS=sample-reads.bam REFERENCE=sample-genome.fasta \
REGIONS='10:30892106-30933760' OUT_HEAD=./discovar-variants/assembly\
TMP=./discovar-variants/tmp
[/code]
软件常用参数：
READS (String) 由逗号分割的一些 bam 文件，或内容为每行一个bam文件路径的 list 文件。 REGIONS （String） 对指定区域进行分析。多个区域则用逗号分割。区域的写法为 chr:start-sotp。如果 REGIONS=all，则对所有区域进行分析。 TMP （String） 指定临时文件路径 OUT_HEAD (String) 输出文件的前缀路径 NUM_THREADS （unsigned int) default: 0 使用的线程数。 REFERENCE （String) 参考序列 fasta 文件。若提供此文件，则能进行 variant calling，并给出 VCF 文件。
3.2 DISCOVAR de novo (experimental) 的使用
软件的输入文件是 sort 过后的 Bam 文件。程序在运行的时候会使用最大的线程数进行运算。
[code lang="shell"]
$ DiscovarExp --help special
#上述命令用来查看软件的详细参数。
$ DiscovarExp READS=sample-reads.bam OUT_DIR=discovarexpOut
#上述是软件的常用命令。同时，软件的参数非常少。
$ ls discovarexpOut/a.final/a.lines.fasta
#查看主要结果。
[/code]
4. DISCOVAR结果
4.1 结果表现形式
图中，每个单独的箭头称为 edge，这些 edges 代表着序列；从起点到终点，有很多种不同的路径，称之为 lines；上图中有 4 个 cells，其中 3 个 cells 有 2 个 paths，有 1 个 cell 有 3 个 paths。
这种 multiple paths 可能表示：杂合位点；染色体变异；难以测序的位点等。
4.2 DISCOVAR 结果文件
生成的结果文件位于 discovar-variants/ 文件夹下，主要的结果文件是：
- assembly.final.fasta 所有的 edges 序列 (edges overlap by K-1 bases)
- assembly.final.fasta0 所有的 edges 序列 (without overlaps)
- assembly.final.dot dot格式的组装图
- assembly.final.variant VCF结果文件
4.3 DISCOVAR de novo 结果文件
生成的结果文件位于 discovarexpOut/a.final/ 文件夹下，主要结果文件有：
- a.lines.fasta 多个 paths 中仅选择第一个 path，得到的 lines 序列的 fasta 文件。
- a.lines.efasta 标准的 efasta 文件，有所有的 paths 结果。
- a.fasta 所有的 edges 序列
- a.lines 二进制文件
- a.lines.src 上一个文件的文本形式结果
5. 总结
Discovar 能根据 Illumina 测序数据比对到基因组上的结果来进行基因组 de novo 组装，得到 edges 序列；若在提供了基因组序列的情况下，还能进行 Vaiants calling。
Discovar de novo (experimental) 能根据 Illumina 测序数据比对到基因组上的结果来进行基因组 de novo 组装，得到 edges 序列。相比与前者，还能得到 lines 序列，这是比较完整的序列文件。
原文来自：http://www.chenlianfu.com/?p=2265