smoove

suavizar

smoove simplifica y acelera la llamada y el genotipado de SV para lecturas breves. También mejora la especificidad al eliminar muchas señales de alineación espurias que son indicativas de ruido de bajo nivel y que a menudo contribuyen a llamadas espurias.

Hay una publicación de blog que describe smoove con más detalle aquí.

Admite cohortes pequeñas en un solo comando y llamadas a nivel de población con 4 pasos en total, 2 de los cuales son paralelos por muestra.

Hay una tabla sobre la precisión y recuperación de smoove y duphold (que usa smoove) aquí

Requiere:

• bultos y bultos_filtro
• Samtools: para soporte CRAM
• gsort: para ordenar el VCF final
• bgzip+tabix: para comprimir e indexar el VCF final

Y opcionalmente (pero todo muy recomendable):

• svtyper: a genotipos SV
• svtools: necesario para cohortes grandes
• mos Depth: elimina regiones de alta cobertura.
• bcftools: versión 1.5 o superior para indexación y filtrado de VCF.
• duphold: para anotar cambios de profundidad dentro de eventos y en los puntos de interrupción.

Ejecutar smoove sin ningún argumento mostrará cuáles de estos se encuentran para que puedan agregarse a la RUTA según sea necesario.

smoove :

1. paralelizar llamadas a lumpy_filter para extraer lecturas divididas y discordantes requeridas por lumpy
2. filtrar aún más las llamadas lumpy_filter para eliminar regiones espurias y de alta cobertura y cromos especificados por el usuario como 'hs37d5'; También eliminará las lecturas que hayamos encontrado que probablemente sean señales espurias. después de esto, eliminará las lecturas singleton (donde uno de los filtros anteriores eliminó la relación matemática) de los bams discordantes. Esto hace que lumpy sea mucho más rápido y requiera menos memoria.
3. calcule métricas por muestra para la media, la desviación estándar y la distribución del tamaño de inserción según lo requiera lumpy.
4. transmita la salida de lumpy directamente a múltiples procesos svtyper para el genotipado paralelo por región mientras lumpy aún se está ejecutando.
5. ordenar, comprimir e indexar el VCF final.

instalación

puedes obtener smoove y todas las dependencias a través de una imagen acoplable (grande):

 docker pull brentp/smoove
docker run -it brentp/smoove smoove -h

O puede descargar un binario smoove desde aquí: https://github.com/brentp/smoove/releases Cuando se ejecuta sin ningún argumento, smoove le mostrará cuáles de sus dependencias puede encontrar para que pueda ajustar su $PATH e instalar respectivamente.

uso

cohortes pequeñas (n < ~ 40)

para cohortes pequeñas es posible obtener un VCF genotipado llamado conjuntamente en un solo comando .

 smoove call -x --name my-cohort --exclude $bed --fasta $reference_fasta -p $threads --genotype /path/to/*.bam

la salida irá a ./my-cohort-smoove.genotyped.vcf.gz

Se recomienda encarecidamente --exclude $bed , ya que se puede utilizar para ignorar lecturas que se superponen a regiones problemáticas.

Un buen conjunto de regiones para GRCh37 está aquí.

Y para hg38 aquí

población llamando

Para llamadas a nivel de población (cohortes grandes), los pasos son:

1. Para cada muestra, llame a los genotipos:

 smoove call --outdir results-smoove/ --exclude $bed --name $sample --fasta $reference_fasta -p 1 --genotype /path/to/$sample.bam

Para cohortes grandes, es mejor realizar paralelización entre muestras en lugar de utilizar grandes subprocesos de $ por muestra. smoove solo puede paralelizar hasta 2 o 3 subprocesos en una sola muestra y es más eficiente usar 1 subproceso.

la salida irá a `resultados-smoove/$sample-smoove.genotyped.vcf.gz``

2. Obtenga la unión de sitios en todos los ejemplos (esto puede paralelizar esto en tantas CPU o máquinas como sea necesario):

 # this will create ./merged.sites.vcf.gz
smoove merge --name merged -f $reference_fasta --outdir ./ results-smoove/*.genotyped.vcf.gz

3. Genotipo cada muestra en esos sitios (esto puede paralelizar esto en tantas CPU o máquinas como sea necesario) y ejecute duphold para agregar anotaciones de profundidad.

 smoove genotype -d -x -p 1 --name $sample-joint --outdir results-genotped/ --fasta $reference_fasta --vcf merged.sites.vcf.gz /path/to/$sample.$bam

4. pegue todos los VCF de muestra única con el mismo número de variantes para obtener un archivo único, cuadrado y de llamada conjunta.

 smoove paste --name $cohort results-genotyped/*.vcf.gz

5. (opcional) anote las variantes con exones, UTR que se superponen de un GFF y anota heterocigotos de alta calidad:

 smoove annotate --gff Homo_sapiens.GRCh37.82.gff3.gz $cohort.smoove.square.vcf.gz | bgzip -c > $cohort.smoove.square.anno.vcf.gz

Esto agrega una etiqueta SHQ (Smoove Het Quality) a cada formato de muestra). Un valor de 4 es una llamada de alta calidad y el valor de 1 es de baja calidad. -1 es no caliente. También agrega un MSHQ para SHQ medio al campo INFO, que es la puntuación SHQ media en todas las muestras heterocigotas para esa variante.

Como primer paso, los usuarios pueden buscar variantes con MSHQ > 3. Si agregó anotaciones duphold, también es útil verificar eliminaciones con DHFFC < 0.7 y duplicaciones con DHFFC > 1.25 .

Solución de problemas

• Un pánico con un mensaje como Segmentation fault (core dumped) | bcftools view -O z -c 1 -o probablemente signifique que tiene una versión antigua de bcftools. ver #10

• smoove escribirá en el sistema TMPDIR. Para grupos grandes, asegúrese de configurarlo en algo con mucho espacio. por ejemplo, export TMPDIR=/path/to/big

• smoove requiere una versión reciente de lumpy y lumpy_filter así que constrúyalos desde el código fuente u obtenga la versión más reciente de bioconda.

ver también

svtools