Gerbil:支持GPU加速的kmer count工具

欢迎关注"生信修炼手册"！

对于基因组组装而言，kmer count是最基础的分析内容之一，传统的kmer count工具在kmer长度小于32时，有着较好的性能，但是对于较大长度的kmer, 内存消耗和运行速度都差强人意。随着测序读长的不断增加，一款能够支持较大kmer的计数，而且性能良好的工具就显得非常的有必要。

Gerbil就是这样的一款工具，除了在算法上进行优化外，还引入了GPU加速，进一步加强其性能,对应文献链接如下

​​https://almob.biomedcentral.com/articles/10.1186/s13015-017-0097-9​​

在文献中列举出了以下几款kmer count工具

1. Jellyfish
2. BFCounter
3. DSK
4. KMC
5. Turtle
6. MSPKmerCounter
7. KCMBT
   

这些工具对于长度大于32的kmer, 性能都没有Gerbil好。对于hg38基因组，各个软件的运行速度比较如下

随着kmer长度的增加，Gerbil 的运行时间始终是最快的，其中的​​​gGerbil​​代表GPU加速版的Gerbil。

软件的github链接如下

​​https://github.com/uni-halle/gerbil​​

安装过程如下

git clone https://github.com/uni-halle/gerbil.git
cd gerbil
mkdir build
cd build
cmake ..
make

基本用法如下

gerbil -k 32 input.fasta temp_dir output_dir

​​-k​​​参数指定kmer的长度，​​input.fasta​​​代表输入序列文件，​​temp_dir​​​代表临时文件的目录，​​output_dir​​​代表输出文件的目录。
和jellysifh不同，Gerbil支持多种输入文件格式

1. fastq/fasta
2. fastq.gz/fasta.gz
3. fastq.bz2/fasta.bz2
4. stdin
5. txt
   

支持fastq和fasta两种格式，也支持gzip和bzip两种压缩格式，还可以从标准输入流读取文件，甚至可以是一个txt文件，每一行是一个文件路径，这样就可以，一次处理多个输入文件。

软件的输出文件是二进制文件，可以通过​​toFasta​​命令转换为纯文本格式。

更多参数和用法参考github上的说明文档。

扫描关注微信号，更多精彩内容等着你！