Oatk-1.0 安装与使用--生信工具103

Oatk：植物细胞器基因组组装工具

DOI 安装方式：Bioconda 安装 / Nextflow 流程安装

https://github.com/c-zhou/oatk   #官网

概述

Oatk 是一款依托 PacBio HiFi 测序数据、专为复杂植物细胞器基因组从头组装开发的工具集，也可用于组装动物线粒体等结构简单的细胞器基因组。整套工具集由四大核心程序构成：

1. syncasm：基于闭合同步子构建稀疏德布鲁因图，实现 HiFi 测序读长从头组装
2. hmmannot：封装 HMMER 程序，依托 OatkDB 内置隐马尔可夫模型数据库，快速完成细胞器序列基因注释
3. pathfinder：结合 HMM 注释结果与组装图结构，解析细胞器基因组结构并完成环化
4. oatk：总控封装程序，可一键串联运行上述三大模块

配套辅助工具：

• path_to_fasta：依据路径信息，从 GFA 格式组装图中提取 FASTA 序列
• rotate：按照指定位点对环状基因组序列进行起始位点移位调整

安装方法

源码编译

需提前安装 C 语言编译器、GNU make 与 zlib 开发依赖库

git clone https://github.com/c-zhou/oatk.git
cd oatk
make


gcc -g -Wall -O3 -Wno-unused-function -DSYNCASM_MAIN run_syncasm.c syncasm.c syncmer.c syncerr.c levdist.c graph.c alignment.c sstream.c misc.c kthread.c kalloc.c kopen.c -o syncasm -L. -lm -lz -lpthread 
gcc -g -Wall -O3 -Wno-unused-function -DANNOTATION_MAIN hmm_annotation.c hmmannot.c misc.c kalloc.c kthread.c -o hmm_annotation -L. -lm -lz -lpthread 
hmm_annotation.c: 在函数'annot_worker_pipeline'中:
hmm_annotation.c:102:15: 警告：此函数中的'seq'在使用前可能未初始化 [-Wmaybe-uninitialized]
     if (**seq == '*') return 6;
               ^
hmm_annotation.c:213:33: 附注：'seq'在此声明
                     char *seg, *seq;
                                 ^
gcc -g -Wall -O3 -Wno-unused-function -DPATHFINDER_MAIN path_finder.c syncasm.c syncmer.c syncerr.c levdist.c path.c graph.c hmmannot.c alignment.c sstream.c misc.c kalloc.c kopen.c kthread.c -o pathfinder -L. -lm -lz -lpthread 
gcc -g -Wall -O3 -Wno-unused-function path_to_fasta.c path.c graph.c hmmannot.c misc.c kalloc.c kopen.c -o path_to_fasta -L. -lm -lz -lpthread 
gcc -g -Wall -O3 -Wno-unused-function oatk.c run_syncasm.c hmm_annotation.c path_finder.c hmmannot.c syncasm.c syncmer.c syncerr.c levdist.c path.c graph.c alignment.c sstream.c misc.c kalloc.c kopen.c kthread.c -o oatk -L. -lm -lz -lpthread 
hmm_annotation.c: 在函数'annot_worker_pipeline'中:
hmm_annotation.c:102:15: 警告：此函数中的'seq'在使用前可能未初始化 [-Wmaybe-uninitialized]
     if (**seq == '*') return 6;
               ^
hmm_annotation.c:213:33: 附注：'seq'在此声明
                     char *seg, *seq;

便捷安装

1. Bioconda 安装

   conda install -c bioconda oatk

2. Nextflow nf-core 模块安装

   nf-core modules install oatk

运行依赖

1. 环境需配置nhmmscan程序，可写入系统环境变量，或运行时手动指定路径
2. 提前从OatkDB 下载细胞器基因特征 HMM 数据库，平台提供多款现成数据库，也可自行构建；陆生植物优先选用有胚植物数据库

软件运行

最简使用方式为直接调用总控程序oatk，程序可自动依次完成：HiFi 序列组装→HMM 基因注释→细胞器基因组结构提取；也可拆分三大模块独立运行。

该软件还支持导入 MBG、SPAdes、Hifiasm 等软件生成的基因组组装图提取细胞器序列，运行时添加-G参数，输入文件替换为 GFA 组装图即可。

注意：Oatk 与 pathfinder 高度依赖序列覆盖度、边覆盖度数据判定基因组结构，多数长读长组装软件生成的重叠图 / 字符串图并不适配细胞器完整组装；且不同软件 GFA 文件中覆盖度标签命名存在差异。 Oatk 默认标签：kmer 覆盖度KC:i、序列覆盖度SC:i、边覆盖度EC:i；使用第三方 GFA 文件时，需通过--kmer-c-tag、--seq-c-tag、--edge-c-tag手动指定标签，例如调用 MBG 结果需指定--kmer-c-tag FC:f --edge-c-tag ec:i，否则覆盖度默认为 1，极易导致组装结构错误。

下文以拟南芥细胞器基因组实测数据为例演示运行命令。

一、调用总控程序 oatk

oatk -k 1001 -c 30 -t 8 --nhmmscan /bin/nhmmscan -m embryophyta_mito.fam -p embryophyta_pltd.fam -o ddAraThal4 ddAraThal4_organelle.hifi.fa.gz

参数释义

• -k：同步子长度，默认值即可
• -c：同步子覆盖度阈值，过滤低丰度序列，剔除核基因组序列与核线粒体同源序列（NUMTs）；经验值设为核基因组序列覆盖度的 5~10 倍
• -t：运行线程数
• --nhmmscan：指定 nhmmscan 程序绝对路径
• -m：线粒体基因 HMM 数据库文件
• -p：叶绿体基因 HMM 数据库文件
• -o：输出文件前缀
• 末尾位置参数：输入 PacBio HiFi 测序数据，支持 fasta/fastq、普通文件与 gz 压缩文件，可批量输入

主要输出文件

1. 组装结果：ddAraThal4.utg.final.gfa 最终组装 GFA 图谱
2. 注释文件：线粒体 / 叶绿体基因注释文本
3. 细胞器拆分结果：线粒体、叶绿体独立子图谱、基因注释 bed 文件、校正完成的 contig 序列文件

二、分模块独立运行

1. syncasm 单独组装 HiFi 序列

syncasm -k 1001 -c 30 -t 8 -o ddAraThal4 ddAraThal4_organelle.hifi.fa.gz

2. hmmannot 单独完成 HMM 注释

# 线粒体注释
hmmannot -t 8 --nhmmscan /bin/nhmmscan -o ddAraThal4.annot_mito.txt embryophyta_mito.fam ddAraThal4.utg.final.gfa
# 叶绿体注释
hmmannot -t 8 --nhmmscan /bin/nhmmscan -o ddAraThal4.annot_pltd.txt embryophyta_pltd.fam ddAraThal4.utg.final.gfa

3. pathfinder 单独解析提取细胞器基因组

pathfinder -m ddAraThal4.annot_mito.txt -p ddAraThal4.annot_pltd.txt -o ddAraThal4 ddAraThal4.utg.final.gfa

三、辅助工具用法

1. path_to_fasta 从 GFA 图谱提取序列

   path_to_fasta oatk_utg_final.gfa u1+,u2-,u3-,u2+

2. rotate 环状基因组序列移位

   rotate -r asm.fa seq1 6

命令含义：将序列 seq1 反向链从第 6 位碱基开始重新排序

引用

Chenxi Zhou, Max Brown, Mark Blaxter, et al. Oatk: a de novo assembly tool for complex plant organelle genomes. bioRxiv, 2024. https://doi.org/10.1101/2024.10.23.619857

Zhou, C., Brown, M., Blaxter, M. et al. Oatk: a de novo assembly tool for complex plant organelle genomes. Genome Biol 26, 235 (2025). https://doi.org/10.1186/s13059-025-03676-6