在进行基因组正式组装前，很重要的一步就是评估基因组的Kmer，这直接影响基因组组装的准确度。这次介绍的软件Kmergenie运行简单，不需要干预即可预测Kmer的“最优”值。
给定一组输入，KmerGenie首先计算多个K值的k-mer丰度直方图。然后，对每个K值，它预测数据集中不同基因组k-mer的数量，并返回这个数字最大化的k-mer长度。实验表明，KmerGenie选择的k-mer长度进行组装的结果接近最佳的组装。
Kmergenie安装
1. 下载 kmergenie
2. 安装需要依赖 python（2.7以上），Rscript（R）,zlib
3. 如果具有root权限，可以直接python setup.py install 如果安装到用户环境中，添加 --user 参数。
Kmergenie使用
Usage:
kmergenie <read_file> [options]
Options:
--diploid use the diploid model (default: haploid model)，指定二倍体模式，默认是单倍体
--one-pass skip the second pass to estimate k at 2 bp resolution (default: two passes)，一次运行，省略第二次的评估
-k <value> largest k-mer size to consider (default: 121)，系统考虑的最大K值
-l <value> smallest k-mer size to consider (default: 15)，系统考虑的最低值
-s <value> interval between consecutive kmer sizes (default: 10)
-e <value> k-mer sampling value (default: auto-detected to use ~200 MB memory/thread)
-t <value> number of threads (default: number of cores minus one)，线程数
-o <prefix> prefix of the output files (default: histograms)，结果输出的前缀名称
--debug developer output of R scripts
--orig-hist legacy histogram estimation method (slower, less accurate)
Kmergenie可以针对一个fastq文件，也可以针对多个文件，当需要输入多个文件时，列出文件列表，一行一个文件。
使用提示：
* The diploid model should only be used for moderate-high heterozygosity rates. The haploid model works better when only one peak is visible in the histograms (indicating low heterozygosity).
参考文献：
R. Chikhi, P. Medvedev, Informed and automated k-mer size selection for genome assembly, Bioinformatics (2014) 30 (1): 31-37.
