smoove

smoove

smoove simplifie et accélère l'appel et le génotypage des SV pour des lectures courtes. Il améliore également la spécificité en supprimant de nombreux signaux d'alignement parasites qui indiquent un bruit de faible niveau et contribuent souvent à des appels parasites.

Il y a un article de blog décrivant smoove plus en détail ici

Il prend en charge à la fois de petites cohortes dans une seule commande et des appels au niveau de la population avec 4 étapes au total, dont 2 sont parallèles par échantillon.

Il y a un tableau sur la précision et le rappel de smoove et duphold (qui est utilisé par smoove) ici

Cela nécessite :

• grumeleux et lumpy_filter
• samtools : pour le support CRAM
• gsort : pour trier le VCF final
• bgzip+tabix : pour compresser et indexer le VCF final

Et en option (mais le tout fortement recommandé) :

• svtyper : vers les génotypes SV
• svtools : requis pour les grandes cohortes
• mosdegree : supprime les régions à forte couverture.
• bcftools : version 1.5 ou supérieure pour l'indexation et le filtrage VCF.
• duphold : pour annoter les changements de profondeur au sein des événements et aux points d'arrêt.

Exécuter smoove sans aucun argument montrera lesquels d'entre eux sont trouvés afin qu'ils puissent être ajoutés au PATH si nécessaire.

smoove va :

1. paralléliser les appels à lumpy_filter pour extraire les lectures fractionnées et discordantes requises par lumpy
2. filtrer davantage les appels lumpy_filter pour supprimer les régions parasites à couverture élevée et les chromes spécifiés par l'utilisateur comme « hs37d5 » ; cela supprimera également les lectures qui, selon nous, sont probablement des signaux parasites. après cela, il supprimera les lectures singleton (où le partenaire a été supprimé par l'un des filtres précédents) des bams discordants. Cela rend lumpy beaucoup plus rapide et moins gourmand en mémoire.
3. calculer les mesures par échantillon pour la moyenne, l'écart type et la distribution de la taille de l'insert, comme requis par Lumpy.
4. diffusez la sortie de Lumpy directement dans plusieurs processus svtyper pour un génotypage parallèle par région pendant que Lumpy est toujours en cours d'exécution.
5. trier, compresser et indexer le VCF final.

installation

vous pouvez obtenir smoove et toutes les dépendances via une (grande) image Docker :

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

Ou, vous pouvez télécharger un binaire smoove à partir d'ici : https://github.com/brentp/smoove/releases Lorsqu'il est exécuté sans aucun argument, smoove vous montrera quelles dépendances il peut trouver afin que vous puissiez ajuster votre $PATH et installer par conséquent.

usage

petites cohortes (n < ~ 40)

pour les petites cohortes, il est possible d'obtenir un VCF génotypé appelé conjointement en une seule commande .

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

la sortie ira à ./my-cohort-smoove.genotyped.vcf.gz

le --exclude $bed est fortement recommandé car il peut être utilisé pour ignorer les lectures qui chevauchent les régions problématiques.

Un bon ensemble de régions pour GRCh37 est ici.

Et pour hg38 ici

la population appelle

Pour les appels au niveau de la population (grandes cohortes), les étapes sont les suivantes :

1. Pour chaque échantillon, appelez les génotypes :

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

Pour les grandes cohortes, il est préférable de paralléliser les échantillons plutôt que d'utiliser un grand nombre de threads par échantillon. smoove ne peut paralléliser que jusqu'à 2 ou 3 threads sur un seul échantillon et il est plus efficace d'utiliser 1 thread.

la sortie ira à `results-smoove/$sample-smoove.genotyped.vcf.gz``

2. Obtenez l'union des sites sur tous les échantillons (cela peut être parallélisé sur autant de processeurs ou de machines que nécessaire) :

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

3. génotypez chaque échantillon sur ces sites (cela peut le paralléliser sur autant de processeurs ou de machines que nécessaire) et exécutez duphold pour ajouter des annotations de profondeur.

 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. collez tous les échantillons VCF uniques avec le même nombre de variantes pour obtenir un fichier unique, carré et appelé conjointement.

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

5. (facultatif) annotez les variantes avec des exons, des UTR qui se chevauchent à partir d'un GFF et annotez des hétérozygotes de haute qualité :

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

Cela ajoute une balise SHQ (Smoove Het Quality) à chaque format d'échantillon) une valeur de 4 est un appel de haute qualité et la valeur de 1 est une qualité faible. -1 n'est pas het. Il ajoute également un MSHQ pour Mean SHQ au champ INFO qui est le score SHQ moyen sur tous les échantillons hétérozygotes pour cette variante.

Dans un premier temps, les utilisateurs peuvent rechercher des variantes avec MSHQ > 3. Si vous avez ajouté des annotations de duphold, il est également utile de vérifier les suppressions avec DHFFC < 0.7 et les duplications avec DHFFC > 1.25 .

Dépannage

• Une panique avec un message du type Segmentation fault (core dumped) | bcftools view -O z -c 1 -o signifie probablement que vous disposez d'une ancienne version de bcftools. voir #10

• smoove écrira dans le système TMPDIR. Pour les grandes cohortes, assurez-vous de définir cela sur quelque chose avec beaucoup d'espace. par exemple, export TMPDIR=/path/to/big

• smoove nécessite une version récente de lumpy et lumpy_filter alors construisez-les à partir des sources ou obtenez la version la plus récente de bioconda.

voir aussi

outils sv