1. REAPR 简介
REAPR(Recognition of Errors in Assemblies using Paired Reads)能利用成对的reads来识别基因组序列中的错误。从而，能将基因组序列从错误的gap处断开或将错误序列使用 Ns 代替。同时，对错误信息进行统计。
2. REAPR下载和安装
REAPR官网：http://www.sanger.ac.uk/resources/software/reapr/
安装 REAPR 需要先安装 R 和 Perl 模块： File::Basename, File::Copy, File::Spec, File::Spec::Link, Getopt::Long, List::Util。
$ wget ftp://ftp.sanger.ac.uk/pub/resources/software/reapr/Reapr_1.0.17.tar.gz $ tar zxf Reapr_1.0.17.tar.gz -C /opt/biosoft/ $ cd /opt/biosoft/Reapr_1.0.17 $ wget ftp://ftp.sanger.ac.uk/pub/resources/software/reapr/Reapr_1.0.17.manual.pdf $ ./install.sh $ echo 'PATH=$PATH:/opt/biosoft/Reapr_1.0.17' >> ~/.bashrc $ source ~/.bashrc 测试Reapr能否正常运行： $ wget ftp://ftp.sanger.ac.uk/pub4/resources/software/reapr/Reapr_1.0.17.test_data.tar.gz $ tar zxf Reapr_1.0.17.test_data.tar.gz $ ./test.sh
3. REAPR 使用
reapr 最少需要输入基因组fasta文件和mate-pair数据（需要将RF方向转变成FR方向）文件。常用的运行步骤如下：
使用 facheck 命令检查基因组fasta文件，以防fasta文件序列名含有怪异字符。 $ reapr facheck genome.fasta 使用下列命令对fasta文件进行修改。 $ reapr facheck genome.fasta new_genome.fasta 使用SMALT将 mate-pair reads比对到基因组上。 $ reapr smaltmap genome.fasta jumping.1.fastq jumping.2.fastq jumping.bam 运行reapr pipeline对基因组进行评估。将结果输出到 outdir 文件夹中。 $ reapr pipeline genome.fasta jumping.bam outdir
reapr 也支持输入paired-end数据(可选)。通过将paired-end数据uniquely并perfecly比对到基因组，从而能计算出基因组上error-free的碱基位点并进行统计。该项目分析对error calling没有影响。值得注意的是： 默认设置下call一个error-free位点需要至少5x的覆盖度；同时输入的paired-end数据的方向要为inward(一般paired-end数据方向即为inward)，此外reapr仅支持inward方向，因此输入的jumping数据也要先转换为inward方向。
使用paired-end数据的命令行：
$ reapr smaltmap genome.fasta jumping.1.fastq jumping.2.fastq jumping.bam $ reapr perfectmap genome.fasta frag.1.fastq frag.2.fastq insert_size perfect_prefix $ reapr pipeline genome.fasta jumping.bam outdir perfect_prefix
reapr的运行流程：
4. reapr的结果
REAPR 会对基因组每个位点的 FCD(fragment coverage distribution)进行分析。期望的FCD和实际上的上FCD之差为”FCD error”。 FCD error往往代表不正确的scaffold连接、大的插入缺失或contig序列中不正确的连接。为了能更好地计算FCD，特别是gap位点的FCD，mate-pair数据的insert size越大越好。
REAPR对输入的paired reads数据进行检测，并将结果放入到文件夹 outdir/00.Sample/ 下。
gc_vs_cov.lowess.pdf: GC偏好性检测图 insert.in.pdf: FR(inner/inward)类型插入片段的长度检测图 insert.out.pdf: RF类型插入片段的长度检测图 insert.stats.txt: 插入片段长度统计
从错误位点打断后的基因组序列： outdir/04.break.broken assembly.fa 。
如果FCD error区有gap，则从gap处将基因组序列打断；若FCD error区没有gap，则将其用Ns代替。同时将被代替的序列写入到文件 outdir/04.break.broken assembly bin.fa中。
基因组错误统计文件： outdir/05.summary.report.txt。该文件统计位于 contig 中的 FCD error 的数目，和含有 gap 的 FCD error 的数目。