หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

แคนวาร์

กรอบการทำงานตาม ExAC เพื่อจัดเตรียมความถี่ตัวแปรเฉพาะสำหรับการศึกษา การขึ้นต่อกันและคำแนะนำในการติดตั้งเกือบจะเหมือนกับ ExAC ตามที่อธิบายไว้ใน https://github.com/konradjk/exac_browser/blob/master/README.md

การติดตั้ง

รับรหัส

สร้างไดเร็กทอรีเพื่อใส่ข้อมูลทั้งหมดนี้ ซึ่งจะทำหน้าที่เป็นไดเร็กทอรีหลักของพื้นที่เก็บข้อมูล canvar_browser จริง 

 mkdir canvar
cd canvar

ขั้นแรก (เนื่องจากสามารถทำงานแบบขนานได้) ให้รับชุดข้อมูลที่เบราว์เซอร์ใช้และใส่ไว้ในไดเร็กทอรี 'exac_data' ไฟล์ทั้งหมดที่ต้องการสามารถดูได้ที่: 

 wget https://personal.broadinstitute.org/konradk/exac_browser/omim_info.txt.gz
wget https://personal.broadinstitute.org/konradk/exac_browser/canonical_transcripts.txt.gz
wget https://personal.broadinstitute.org/konradk/exac_browser/dbNSFP2.6_gene.gz
wget https://personal.broadinstitute.org/konradk/exac_browser/gencode.gtf.gz
wget https://personal.broadinstitute.org/konradk/exac_browser/omim_info.txt.gz

สำหรับไฟล์ dbsnp:

dbsnp142.txt.bgz">
 wget http://hgdownload.soe.ucsc.edu/goldenPath/hg19/database/snp141.txt.gz 
gzcat snp141.txt.gz | cut -f 1-5 | bgzip -c > snp141.txt.bgz
tabix -0 -s 2 -b 3 -e 4 snp141.txt.bgz
zcat b142_SNPChrPosOnRef_105.bcp.gz | awk '$3 != ""' | perl -pi -e 's/ +/t/g' | sort -k2,2 -k3,3n | bgzip -c > dbsnp142.txt.bgz

ทาบิกซ์ -s 2 -b 3 -e 3 dbsnp142.txt.bgz

ตอนนี้โคลน repo: 

 git clone https://github.com/danchubb/CanVar.git

การพึ่งพาอาศัยกัน

คุณต้องติดตั้ง Python และ pip

ทำตามคำแนะนำเหล่านี้เพื่อติดตั้ง Python และ Homebrew บน Mac ของคุณ: http://docs.python-guide.org/en/latest/starting/install/osx/

สำหรับระบบลินุกซ์

http://docs.python-guide.org/en/latest/starting/install/linux/

ติดตั้ง MongoDB บน ​​Mac: 

 brew install mongodb
# or
sudo port install mongodb

หรือหากคุณใช้ระบบ linux:

https://docs.mongodb.com/v3.0/tutorial/install-mongodb-on-linux/

สร้างไดเร็กทอรีเพื่อเก็บไฟล์ฐานข้อมูล Mongo ของคุณ: 

 mkdir database

ในแท็บแยกต่างหาก ให้สตาร์ทเซิร์ฟเวอร์ฐานข้อมูล mongo: 

 mongod --dbpath database

เซิร์ฟเวอร์ภายในเครื่องนี้จำเป็นต้องทำงานตลอดเวลาเมื่อคุณทำงานบนไซต์ คุณสามารถทำเช่นนี้ในพื้นหลังได้หากต้องการหรือตั้งค่าบริการเริ่มต้นระบบ หรือภายในเซสชันหน้าจอ หากคุณไม่ต้องการเปิดหน้าต่างเทอร์มินัลที่ใช้งานอยู่ต่อไป

สุดท้ายนี้ คุณอาจต้องการเก็บระบบไว้ใน virtualenv เพื่อติดตั้ง:

สำหรับแมค: 

 sudo port install py27-virtualenv # Or whatever version

สำหรับลินุกซ์: 

 sudo apt-get install virtualenv
or sudo pip install virtualenv

จากนั้นคุณสามารถสร้างสภาพแวดล้อมเสมือนของ Python ที่เบราว์เซอร์จะใช้งานได้: 

 mkdir canvar_env
virtualenv canvar_env
source canvar_env/bin/activate

ติดตั้งข้อกำหนดของหลาม: 

 pip install -r requirements.txt

บางแพ็คเกจจะต้องมีส่วนหัวของ Python (python-dev ในบางระบบ)

ตั้งค่า

รหัสที่ให้ไว้ที่นี่ใช้เพื่อสร้างไฟล์ VCF ของไซต์และไฟล์ความครอบคลุมที่เฟรมเวิร์กกำหนดเป็นหลัก สคริปต์อื่นๆ ได้รับการแก้ไขเพื่อลบการอ้างอิงแบบฮาร์ดโค้ดไปยัง ExAC และประชากรที่อยู่ภายในนั้น โดยแทนที่ด้วยกลุ่มที่กำหนดเอง เช่น สถานะของโรค

####การสร้างไซต์ vcf และไฟล์ความครอบคลุม

VCF -> ไซต์ vcf: 

 python vcf_to_site_canvar.py --infile /path/to/file.vcf --phenotypes /path/to/phenotypes.csv --pops populations.csv

phenotype.csv มีข้อมูลฟีโนไทป์สำหรับแต่ละตัวอย่างในไฟล์ vcf โดยจะต้องมีคอลัมน์ดังนี้ 

 sample phenotype sex

โดยที่ตัวอย่างคือ ID ตัวอย่างตามที่ระบุไว้ในบรรทัดส่วนหัวของ VCF ฟีโนไทป์คือสถานะของโรค (หรืออื่นๆ) ที่คุณต้องการกำหนดเป็นประชากร และเพศระบุเป็น M หรือ F

ประชากร.csv มี "ประชากร" ทั้งหมดอยู่ สิ่งเหล่านี้สอดคล้องกับฟีโนไทป์ที่แตกต่างกัน เช่น ประชากรมะเร็งลำไส้ใหญ่ จะต้องมีคอลัมน์: 

 code phenotype

โดยที่ code เป็นรูปแบบย่อของฟีโนไทป์ที่จะปรากฏใน sites.vcf เช่น CRC Colorectal

เพื่อสร้างไฟล์ครอบคลุม 

 java -jar GenomeAnalysisTK.jar -T DepthOfCoverage -R human_g1k_v37.fasta -I bams.list  -L capture.bed --omitIntervalStatistics --omitLocusTable --omitPerSampleStats -nt n -o list.coverage

bams.list มีเส้นทางไปยังไฟล์ BAM ทั้งหมดที่คุณต้องการคำนวณความครอบคลุม 

 perl prepare_coverage_for_tabix.pl list.coverage | bgzip -c > list.coverage.gz
tabix -s 1 -b 2 -e 2 list.coverage.gz
python average_coverage_calculate.py coverage_file_list capture.bed

ในตัวอย่างนี้ Coverage_file_list จะมีเส้นทางไปยัง list.coverage.gz หากคุณแบ่งคำสั่ง GATK DepthOfCoverage ออกเป็นชุดตัวอย่างที่แตกต่างกัน ไฟล์ความครอบคลุมแต่ละไฟล์ที่อยู่ในแท็บจะอยู่ในบรรทัดที่แตกต่างกัน ไฟล์ .cov ถูกสร้างขึ้นโดยมีความครอบคลุมโดยเฉลี่ยสำหรับแต่ละตำแหน่งในกลุ่มตัวอย่างทั้งหมด 

 bgzip -c coverage_file_list.cov > all_coverage.txt.gz
tabix -s 1 -b 2 -e 2 all_coverage.txt.gz

จากนั้นจะใช้ all_coverage.txt.gz ในสคริปต์ canvar.py เป็นไฟล์ความครอบคลุม นอกจากนี้ยังสามารถแบ่งด้วยโครโมโซมและเพิ่มตามโค้ด exac.py ดั้งเดิม

####ไฟล์ exac ที่ดัดแปลงแล้ว

ไฟล์และไดเร็กทอรีที่เหลืออื่นๆ เกือบจะเหมือนกันกับข้อมูลที่มีอยู่จาก: https://github.com/konradjk/exac_browser/blob/master/README.md

/static ประกอบด้วยไฟล์ .js, ไฟล์ css, รูปภาพ และแบบอักษรที่จำเป็นสำหรับเว็บไซต์ เพิ่มโมดูล .js widget-columnSelector.js เพื่อเปิดใช้งานเครื่องมือเลือกคอลัมน์ในหน้าผลลัพธ์ของยีน

/templates มีเทมเพลต HTML สำหรับหน้าเว็บต่างๆ

canvar.py โค้ดสำคัญส่วนใหญ่ เรียกใช้ฟังก์ชันหลามอื่นๆ นำเข้าข้อมูล และจำเป็นต้องเรียกใช้เพื่อเริ่มต้นเฟรมเวิร์กเว็บขวด

lookups.py ดึงข้อมูลจาก mongodb

Manage.py เรียกให้โหลดข้อมูลลงใน mongodb

Parsing.py เรียกเมื่อโหลดไฟล์อินพุตลงใน mongodb ประชากรตามที่จะแสดงบนเว็บไซต์จำเป็นต้องได้รับการกำหนดใหม่ที่นี่

utils.py โมดูลเพิ่มเติมที่จำเป็นเมื่อแยกวิเคราะห์และดึงข้อมูล

####กำลังโหลดข้อมูล

ขณะนี้ฐานข้อมูลถูกโหลดจากไฟล์แฟลต: นี่เป็นคำสั่งเดียว แต่อาจใช้เวลาสักครู่ (สามารถใช้ประโยชน์จากการโหลดแบบขนานโดยการแก้ไข LOAD_DB_PARALLEL_PROCESSES ใน exac.py): 

 python manage.py load_db

คุณไม่ต้องดำเนินการบ่อยครั้ง การเปลี่ยนแปลงส่วนใหญ่ไม่จำเป็นต้องสร้างฐานข้อมูลใหม่ ที่กล่าวมา นี่คือ (และจะยังคงอยู่) idempotent ดังนั้นคุณสามารถเรียกใช้อีกครั้งได้ตลอดเวลาหากคุณคิดว่ามีบางอย่างผิดปกติ - มันจะโหลดฐานข้อมูลใหม่ตั้งแต่ต้น คุณยังสามารถรีโหลดบางส่วนของฐานข้อมูลโดยใช้คำสั่งใดๆ ต่อไปนี้: 

 python manage.py load_variants_file
python manage.py load_dbsnp_file
python manage.py load_base_coverage
python manage.py load_gene_models

จากนั้นเรียกใช้: 

 python manage.py precalculate_metrics

จากนั้น คุณจะต้องสร้างแคชเพื่อวัตถุประสงค์ในการเติมข้อความอัตโนมัติและยีนขนาดใหญ่: 

 python manage.py create_cache

ยีนทั้งหมดที่อยู่ในไฟล์ genes_to_cache.txt จะถูกแคชไว้ล่วงหน้า คุณสามารถเพิ่มรหัสการถอดเสียงได้มากเท่าที่คุณต้องการ สูงสุดถึงทุกการถอดเสียงภายในฐานข้อมูลเพื่อแคชข้อมูลทั้งหมด

กำลังดำเนินการไซต์

โปรดทราบว่าหากคุณกลับมาเยี่ยมชมไซต์อีกครั้งหลังจากหยุดพัก ตรวจสอบให้แน่ใจว่า virtualenv ของคุณ activate 'd แล้ว

คุณสามารถรันเซิร์ฟเวอร์การพัฒนาด้วย: 

 python canvar.py

และเยี่ยมชมบนเบราว์เซอร์ของคุณ: 

 http://localhost:5000
http://localhost:5000/gene/ENSG00000237683
http://localhost:5000/variant/20-76735-A-T

สำหรับการทดสอบ คุณสามารถเปิดเชลล์เชิงโต้ตอบด้วย: 

 python manage.py shell
ขยาย
ข้อมูลเพิ่มเติม
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด