smoove

двигаться

smoove упрощает и ускоряет вызов и генотипирование SV для коротких чтений. Это также повышает специфичность за счет удаления многих ложных сигналов выравнивания, которые указывают на низкоуровневый шум и часто способствуют ложным вызовам.

Здесь есть сообщение в блоге, описывающее smoove более подробно.

Он поддерживает как небольшие когорты в одной команде, так и вызовы на уровне совокупности с 4 общими шагами, 2 из которых параллельны по выборке.

Здесь есть таблица точности и отзыва smoove и duphold (которая используется smoove).

Это требует:

• комковатый и комковатый_фильтр
• samtools: для поддержки CRAM
• gsort: сортировать окончательный VCF
• bgzip+tabix: сжать и индексировать окончательный VCF.

И необязательно (но всем настоятельно рекомендуется):

• svtyper: к генотипам SV
• svtools: требуется для больших когорт
• moslength: удалить регионы с высоким покрытием.
• bcftools: версия 1.5 или выше для индексации и фильтрации VCF.
• duphold: для аннотирования изменений глубины внутри событий и в точках останова.

Запуск smoove без каких-либо аргументов покажет, какие из них найдены, и при необходимости их можно будет добавить в PATH.

smoove будет:

1. распараллелить вызовы lumpy_filter для извлечения разделенных и несогласованных чтений, необходимых для Lumpy
2. дальнейшая фильтрация вызовов lumpy_filter для удаления ложных областей с высоким покрытием и пользовательских цветов, таких как «hs37d5»; он также удалит операции чтения, которые, как мы обнаружили, скорее всего, являются ложными сигналами. после этого он удалит одиночные чтения (где мат был удален одним из предыдущих фильтров) из несогласных бамов. Это делает lumpy намного быстрее и менее требовательным к памяти.
3. рассчитать показатели для каждой выборки для среднего значения, стандартного отклонения и распределения размера вставки, как того требует комковатый.
4. потоковый вывод «Lumpy» непосредственно в несколько процессов svtyper для параллельного генотипирования по регионам, пока «Lumpy» все еще работает.
5. сортировать, сжимать и индексировать окончательный VCF.

установка

вы можете получить smoove и все зависимости через (большой) образ докера:

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

Или вы можете загрузить двоичный файл smoove отсюда: https://github.com/brentp/smoove/releases. При запуске без каких-либо аргументов smoove покажет вам, какие из его зависимостей он может найти, чтобы вы могли настроить $PATH и установить. соответственно.

использование

небольшие когорты (n < ~ 40)

для небольших групп можно получить совместно называемый генотипированный VCF с помощью одной команды .

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

вывод пойдет в ./my-cohort-smoove.genotyped.vcf.gz

Настоятельно рекомендуется --exclude $bed , поскольку его можно использовать для игнорирования операций чтения, перекрывающих проблемные области.

Хороший набор регионов для ГРЧ37 здесь.

А для hg38 здесь

население звонит

Для звонков на уровне населения (большие когорты) необходимо выполнить следующие шаги:

1. Для каждого образца назовите генотипы:

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

Для больших когорт лучше распараллеливать выборки, а не использовать большие $threads на выборку. smoove может распараллеливать только 2 или 3 потока в одной выборке, и наиболее эффективно использовать 1 поток.

выходные данные перейдут в `results-smoove/$sample-smoove.genotyped.vcf.gz``

2. Получите объединение сайтов во всех примерах (это можно распараллелить на любом количестве процессоров или компьютеров по мере необходимости):

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

3. генотипируйте каждый образец на этих сайтах (это можно распараллелить на таком количестве процессоров или компьютеров, сколько необходимо) и запустите duphold, чтобы добавить аннотации глубины.

 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. вставьте все отдельные образцы VCF с одинаковым количеством вариантов, чтобы получить один квадратный файл с общим названием.

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

5. (необязательно) аннотируйте варианты экзонами, UTR, которые перекрываются с GFF, и аннотируйте высококачественные гетерозиготы:

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

Это добавляет тег SHQ (Smoove Het Quality) к каждому формату выборки). Значение 4 соответствует вызову высокого качества , а значение 1 — низкому качеству. -1 не гет. Он также добавляет MSHQ для среднего SHQ в поле INFO, которое представляет собой средний показатель SHQ для всех гетерозиготных образцов для этого варианта.

На первом этапе пользователи могут искать варианты с MSHQ > 3. Если вы добавили аннотации duphold, также полезно проверить удаления с DHFFC < 0.7 и дублирования с DHFFC > 1.25 .

Поиск неисправностей

• Паника с сообщением типа Segmentation fault (core dumped) | bcftools view -O z -c 1 -o скорее всего означает, что у вас старая версия bcftools. см. № 10

• smoove запишет в систему TMPDIR. Для больших когорт обязательно установите это значение с большим количеством места. например export TMPDIR=/path/to/big

• smoove требует последней версии lumpy и lumpy_filter поэтому создайте их из исходного кода или получите самую последнюю версию bioconda.

см. также

svtools