生物信息百Jia软件（十四）：velvet
通哥点评
velvet是最早的用于二代测序的序列拼接工具，拼接效果还可以，不过我觉得不如SOAPdenovo效果好。其实也不只是觉得，也测试过很多数据，SOAPdenovo可以构建更多的scaffold序列，也就是序列的完整性更好，velvet局部准确性更高，其实也很难具体说谁更好，经常是多个工具都试一遍，然后看结果之间的差别，如果所有软件结果都可以，那么拼接的准确性就很不错。
一、功能分类：
序列拼接软件
二、软件官网：
http://www.ebi.ac.uk/~zerbino/velvet/
三、软件介绍:
velvet是比较早也比较有名的短序列拼接软件，最早发布的版本是在2007年，由欧洲分子生物学中心EBI发布。对后面的序列拼接软件产生了很大的影响。例如illumina的basespace系统，集成的就是velvet软件。它的原理和其他短序列拼接软件如SOAPdenovo和Abyss都差不多，都是基于kmer的序列拼接工具。velvet使用起来也并不难。
四、下载安装：
wget https://www.ebi.ac.uk/~zerbino/velvet/velvet_1.2.10.tgz
tar -zxvf velvet_1.2.10.tgz
cd velvet_1.2.10
make
五、软件使用：
velvet的使用分为两步，第一步是velveth利用数据构建一个hash表，第二步是velvetg进行序列拼接。
1、velveth选项参数
output_directory：输出文件夹的路径
hash_length： 设置Kmer的大小，kmer大小对于组装的结果影响比较大，
下面是文件格式，file_format： 支持的格式有fasta（默认）、fastq、bam等。
reads_type选项： short(默认)、shortpaired、short2、shortpaired2 … short10、shortpaired10、long、longPaired。
2、velvetg选项参数
首先是工作的目录，即为上一步骤velveth中的输出文件夹。
-cov_cutoff选项 default： no removal
设置最低kmer覆盖度的值。
-exp_cov 选项， default： no long or paired-end read resolution。
期望的kmer覆盖度。如果设置了auto，则该值为所有nodes的kmer覆盖度值的median值; 该值设置为auto，则同时自动设置-cov_cutoff为auto。如果对杂合基因组进行组装时，设置auto，却很难进行预测，组装结果肯定不好。auto适用于标准的基因组测序。
-long_cov_cutoff default： no removal
移除低long-read覆盖度的nodes。
-ins_length
成对的short reads间的distance的期望值，即插入片段的平均长度。
-ins_length*
代表第组shortPaired reads, 和 velveth 中的参数相对应。
-ins_length_long
和前两个参数一样，代表longPaired reads的插入片段长度。
-ins_length_sd
此时’'代表’nothing、2、3…、long’等，和上面的3个参数相匹配；该值设置插入片段长度的标准差。有关插入片段长度和sd的如果不设置，velvet则会自动计算。velvet是将成对的reads比对到组装出来的nodes上，最后计算出一个insert size 和sd。这样做的话，可能估算的不准确，需要看velvet的运行输出信息，检测其预算是否准确。
-scaffolding defautl: yes
是否要使用paired end信息进行scaffolds组装
-max_branch_length default: 100
处理气泡(bubble)的参数。默认下，如果两条序列超过了100bp的位点处的kmer不一致，则将这两条序列分开成单独的contigs。
-max_divergence default: 0.2
在一个bubble内两条branches最大的差异率（分母为较长的branch的长度）。
-max_gap_count default: 3
在一个bubble内两条branches比对结果中，运行的最大gap数。该参数和上两个参数为重要的参数，能很大程度上影响组装结果。如果设置得松点，可分别将值设为200,0.33,5。
-min_pair_count default: 5
默认，将两个contigs连成scaffold最少需要5对paired reads的验证。如果测序深度较大，则可以提高该值；测序深度低，则降低该值。
-long_mult_cutoff default: 2
默认下，融合两个contigs需要最少有2个long reads验证。
-max_coverage default: no removal
最高的覆盖度，高于此覆盖度的nodes将被删除。
-coverage_mask default: 1
contigs最小的置信覆盖度，低于此覆盖度的contigs被maksed。
-shortMatePaired* default: no
如果哪一个shortPaired为mate-pair library测序的结果，则需要指定该参数为yes。
-conserveLong default: no
是否保留含有long reads的序列
-unused_reads default: no
是否输出unused reads, 保存到 UnusedReads.fa 中。
-alignments default: no
是否输出contig比对到参考序列的summary.
-exportFiltered default: no
是否输出由于覆盖度的原因被过滤掉的long nodes。
-clean default: no
是否删除所有的不能用于重新计算的中间文件
-very_clean default: no
是否删除所有的中间文件（删除后不能重新计算）
-min_contig_lgth default: hash length * 2
输出结果中最小的contigs长度
-amos_file default: no
六、使用案例：
velveth output 31 -shortPaired -fastq fragment1.reads.fastq -shortPaired2 -fastq fragment2.reads.fastq
velvetg output -exp_cov auto -cov_cutoff auto -shortMatePaired3 yes -shortMatePaired4 yes -clean yes -scaffolding yes -amos_file yes
七、结果解析：
contigs.fa 即为我们最终需要的拼接结果文件，长度2倍长于kmer的contigs。参数-scaffolding决定生成的该fasta文件是否包含scaffold序列。
stats.txt 用于决定覆盖度cutoff的统计表
PreGraph 初始的de vruijin图
Graph2 最终的de bruijin图 关于该文件中内容的解释，请见velvet PDF manual。
velvet_asm.afg AMOS兼容的组装文件，能用于AMOS基因组组装软件包
Log velvet的运行记录。