Cactus泛基因组图谱实战：酵母图谱与HPRC人类图谱案例及panacus统计可视化
【免费下载链接】cactusOfficial home of genome aligner based upon notion of Cactus graphs项目地址: https://gitcode.com/gh_mirrors/cact/cactus
Cactus（基于 Cactus 图的基因组比对器）的 Minigraph-Cactus 泛基因组管线，是构建物种泛基因组图谱的事实标准之一。本文带你完成两个经典实战：从 6 个酵母菌株构建酵母泛基因组图谱，到复刻 90 条单倍型的HPRC 人类泛基因组图谱，并用panacus一键生成覆盖率、图谱生长与核心大小等交互式统计可视化报告，零基础也能跟着跑通。
📖 官方教程位于 doc/pangenome.md，所有示例的输入数据都随项目提供，无需下载大型数据。
一、为什么选 Cactus 构建泛基因组图谱
传统"单一参考基因组 + VCF"的方式难以表达插入、重排等复杂结构变异。Cactus 泛基因组图谱把所有输入基因组作为路径嵌入同一张图（GFA/vg 格式），共同序列只存一份，天然表达任意规模的变异，且索引后直接支持vg giraffe短读/长读比对。
一条命令即可完成全流程，核心步骤包括：
cactus-minigraph：构建 SV 级 minigraph 骨架cactus-graphmap：将各组装回贴到图上cactus-graphmap-split：按参考染色体切分子问题，降低内存cactus-align：Cactus 多序列比对cactus-graphmap-join：合并全基因组图并生成索引
完整说明见 pangenome.md 的 Pipeline 章节。
二、酵母图谱教程：5 分钟跑通你的第一张泛基因组图谱
酵母是官方内置的小型测试集（6 个菌株、16 条染色体），输入文件 examples/yeastPangenome.txt 已包含全部序列地址。
最快上手命令（参考 pangenome.md 的 Yeast Graph 章节）：
cactus-pangenome ./js ./examples/yeastPangenome.txt --reference S288C \ --outDir yeast-pg --outName yeast-pg --gbz --viz要点提示 💡：
--reference S288C：指定参考菌株，参考路径永不被裁剪、保证无环，并提供坐标系统--gbz：生成 gbz 索引，是 giraffe 比对的必备格式--viz：自动输出每条染色体的 1D 可视化 PNG（odgi viz）
查看酵母图谱可视化结果
运行完成后，yeast-pg/yeast-pg.viz/下会生成chrI.full.viz.png等 16 张图。染色体 I 的一维视图如下，各条染色质路径上的分支即代表不同菌株间的结构变异：
想要二维"画布"风格的布局，可再运行cactus-graphmap-join --draw（官方示例见 pangenome.md 的 ODGI Draw 小节），效果类似 Bandage-NG，但规模更大：
⚠️ 官方提示：
--draw仍是实验性功能，大图上参数尚未调优，建议先用--chrom-og导出单染色体 og 文件自行绘制。
三、HPRC 人类泛基因组图谱：从酵母跨到 90 条单倍型
HPRC（Human Pangenome Reference Consortium）v1.1图谱是目前最重要的人类泛基因组成果之一：以 GRCh38 或 CHM13 为参考，整合 90 条高质量单倍型组装。官方完整复现记录在 hprc-v1.1-mc.md，所有已发布的图谱清单见 mc-pangenomes/README.md。
人类图谱的构建命令与酵母几乎相同，只是参数更"重"（约 31 小时，SLURM 集群）：
cactus-pangenome ./js-grch38 ./hprc-v1.1-mc.seqfile \ --outName hprc-v1.1-mc-grch38 --reference GRCh38 CHM13 \ --filter 9 --giraffe clip filter --vcf --viz --gbz clip filter full \ --gfa clip full --batchSystem slurm与酵母相比值得注意的三个差异：
| 选项 | 酵母 | HPRC 人类 | 作用 |
|---|---|---|---|
--filter | 默认 2 | 9 | 保留 ≥9/90 单倍型覆盖的节点，保证 giraffe 性能 |
--reference | 单参考 | GRCh38 CHM13双参考 | 第二个参考作为 reference-sense 路径，便于 BAM 投影 |
--giraffe clip filter | clip | clip filter | 为裁剪图和过滤图同时建索引 |
看看人类图谱长什么样：MHC 与 LRC-KIR 区域
GRCh38 自带的 alt 位点（如 MHC、LRC-KIR）也可以作为独立样本加入图谱。从 GBZ 中用vg chunk截取区域后，用 Bandage-NG 渲染效果如下——MHC 区域的大气泡正是高度多态性的免疫基因簇：
LRC-KIR 区域则呈现出典型的"蝴蝶结"式多路径结构，展示了图谱对复杂重复区的表达能力：
相关复现方法（seqfile 拆分、--permissiveContigFilter宽松阈值）见 pangenome.md 的 GRCh38 Alts Graph 章节，HPRC 建图方法与映射/变异评估分析脚本位于 doc/mc-paper/hprc/。
四、panacus 统计可视化：一图读懂你的泛基因组
建完图后，"图谱覆盖了多少序列？核心基因组多大？随样本增加如何增长？"是必答题。--panacus选项会调用 panacus 直接对全基因组图计算这些指标，输出自包含的交互式 HTML 报告，无需任何 Python 绑图环境。
cactus-pangenome ./js ./seqfile.txt --outDir ./out --outName mygraph \ --reference GRCh38 --panacus输出内容（位于<outName>.stats/目录）：
- 📊
mygraph.panacus.report.html：单文件交互报告，含覆盖率直方图、生长曲线、核心大小曲线、路径相似性热图与节点分布，每个 (图谱类型 × 计数类型) 一个章节 - 📄
mygraph.panacus.histgrowth.bp.tsv：原始数据表（bp/node各一份），方便二次分析
实现代码非常精简，核心只是拼一份 YAML 配置后调用 Rust 二进制，详见 panacus.py。计数类型（bp、node、edge）和分组方式（按单倍型-H或按样本-S）可在配置文件 cactus_progressive_config.xml 的<panacus>元素中调整。
📌 使用 panacus 统计结果发表成果时，记得引用 panacus 论文（说明见 pangenome.md 的 Pangenome Statistics 章节）。
五、读懂输出：统计报告与裁剪明细
每次运行都会写出<outName>.stats/目录，完整交代"哪些序列进了图、哪些被裁掉了"：
graph-stats.tsv：每条染色体图的节点/边/总长clipped-by-genome.tsv：每个基因组按原因（ambiguous / clip / filter）的损失统计refgaps.bed.gz：没有任何其他组装比对到的参考区域path-stats.tsv.gz：每条路径一行，路径名带[start-end]表示是长 contig 的片段
排错口诀：若输出目录里出现了<outName>.WARNING文件，说明有基因组大面积缺席或统计对不上账；该文件不存在即为一切正常🎉。
六、新手学习路线与扩展
- 🧪 完整步骤式酵母教程：pangenome.md（Yeast Graph 章节，含 minigraph 构建、按染色体拆分、批量比对全流程）
- 🧬 已发布的物种图谱（牛、鸡、狗、果蝇、小鼠、大豆等）及复现命令：mc-pangenomes/README.md
- 🛠️ 用图谱修补单倍型（填 N、支架化、补端粒）：
cactus-panpatch，脚本在 cactus_panpatch.py - ⚙️ 全部参数与集群（SLURM/AWS）运行方式：progressive.md 与 running-in-aws.md
常见 FAQ 速查：输入序列无需软掩蔽（但强烈不建议硬掩蔽）；小 contig 被大量过滤时用--permissiveContigFilter放宽；索引内存不足时优先加--filter（约样本数的 10%）。
从 6 个酵母菌株到 90 条人类单倍型，Cactus 的命令行接口几乎不变——这就是它作为泛基因组图谱构建"瑞士军刀"的魅力。跑通酵母案例后，你已掌握人类图谱的全部核心操作，只差算力而已。
【免费下载链接】cactusOfficial home of genome aligner based upon notion of Cactus graphs项目地址: https://gitcode.com/gh_mirrors/cact/cactus
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
