soedinglab/plass

PLASS - Protein-Level ASSembler

https://img.shields.io/conda/dn/bioconda/plass.svg?style=flag&label=BioConda%20install]([] https://img.shields.io/endpoint?url=https%3A%2F%2Fmmseqs.com%2Fbiocontainer.php%3Fcontainer%3Dplass]([] https://travis-ci.org/soedinglab/plass.svg?branch=master](https://travis-ci.org/soedinglab/plass) https://zenodo.org/badge/***.svg](https://zenodo.org/badge/latestdoi/***)

Plass（Protein-Level ASSembler）是一款在蛋白质水平上组装短读测序数据的软件，主要用于复杂宏基因组数据集的组装。它在土壤宏基因组中组装的蛋白质残基数量是Megahit的10倍。Plass是GPL许可的开源软件，用C++实现，支持Linux和macOS系统，可在多核心上运行。该软件曾被用于创建土壤参考目录（SRC）和海洋真核生物参考目录（MERC）。

https://www.nature.com/articles/s41592-019-0437-4%E3%80%82

土壤参考目录（SRC）与海洋真核生物参考目录（MERC）

SRC通过组装640个土壤宏基因组样本创建，MERC则来自TARA海洋探险项目的宏转录组数据集。两个目录均已冗余减少至90%序列同一性（90%覆盖度）。每个目录是包含序列的单个FASTA文件，头部标识符包含Sequence Read Archive（SRA）标识符。目录可从此处下载。我们提供了名为“BFD”的HH-suite3数据库，包含Metaclust、SRC、MERC和Uniport的序列，可从此处获取。

安装Plass

Plass可通过conda安装或使用静态编译的Linux版本。需要64位Linux/macOS系统（用uname -a | grep x86_64检查），且CPU至少支持SSE4.1指令集。

bash
# 从bioconda安装
conda install -c conda-forge -c bioconda plass 
# 最新静态Linux构建
wget https://mmseqs.com/plass/plass-static_sse41.tar.gz; tar xvfz plass-static_sse41.tar.gz; export PATH=$(pwd)/plass/bin/:$PATH

如何组装

Plass可组装双端读段（FASTQ）和单端读段（FASTA或FASTQ）：

bash
# 组装双端读段
plass assemble examples/reads_1.fastq.gz examples/reads_2.fastq.gz assembly.fas tmp

# 组装单端读段
plass assemble examples/reads_1.fastq.gz assembly.fas tmp

# 通过标准输入组装单端读段
cat examples/reads_1.fastq.gz | plass assemble stdin assembly.fas tmp

重要参数：

• --min-seq-id：调整重叠序列同一性阈值
• --min-length：ORF预测的最小密码子长度（默认：40）
• -e：重叠的E-value阈值
• --num-iterations：组装迭代次数
• --filter-proteins：开关神经网络蛋白质过滤器

模块：

• plass assemble：组装蛋白质（输入：核苷酸 -> 输出：蛋白质）
• plass nuclassemble：组装核苷酸（实验性，输入：核苷酸 -> 输出：核苷酸）

使用MPI分布式运行

Plass可在多台同构计算机上分布式运行，但临时文件夹（TMP）需在所有节点间共享（如NFS）。以下命令在多个节点上组装：

bash
RUNNER="mpirun -np 42" plass assemble examples/reads_1.fastq.gz examples/reads_2.fastq.gz assembly.fas tmp

从源码编译

从源码编译Plass可针对特定系统优化，提升性能。需安装git、g++（4.6及以上）和cmake（3.0及以上）。编译后，Plass二进制文件位于build/bin目录。

bash
git clone https://github.com/soedinglab/plass.git
cd plass
git submodule update --init
mkdir build && cd build
cmake -DCMAKE_BUILD_TYPE=RELEASE -DCMAKE_INSTALL_PREFIX=. ..
make -j 4 && make install
export PATH="$(pwd)/bin/:$PATH"

⚠️ 若在macOS上编译，请安装Homebrew的gcc并使用。默认macOS clang不支持OpenMP，Plass无法多线程运行。使用以下cmake命令：

bash
CXX="$(brew --prefix)/bin/g++-8" cmake -DCMAKE_BUILD_TYPE=RELEASE -DCMAKE_INSTALL_PREFIX=. ..

依赖

从源码编译时，Plass需要zlib和bzip。

使用Docker镜像

我们提供Plass的Docker镜像。可挂载包含待组装读段的当前目录，运行以下命令：

bash
docker pull soedinglab/plass
docker run -ti --rm -v "$(pwd):/app" -w /app plass assemble reads_1.fastq reads_2.fastq assembly.fas tmp

硬件要求

Plass每残基大约需要1字节内存以高效运行，会根据机器可用内存调整内存消耗。CPU需至少支持SSE4.1指令集。

已知问题

1. Plass组装包含所有有起始和终止密码子的ORF，包括非常短的ORF（<60氨基酸）。许多短ORF是虚假的，因为神经网络无法很好区分它们，建议使用其他方法验证其编码潜力。长度超过100氨基酸的组装序列大多是真实蛋白质序列。
2. Plass默认搜索40氨基酸或更长的ORF，这限制读长需>120。若要组装更短的蛋白质，需降低--min-length阈值，但使用短读段（<100长度）可能导致灵敏度降低。