isling

iSling

Isling是在配对末端读取中检测病毒或向量积分的工具。请阅读我们的论文以获取完整的详细信息。

Quickstart

如果您安装了conda和snakemake ，请在本地使用（随附的）测试数据运行：

 git clone https://github.com/aehrc/isling.git && cd isling
snakemake --configfile test/config/test.yml --cores <cores> --use-conda

如果您安装了snakemake和singularity ，则可以使用：

 snakemake --configfile test/config/test.yml --cores <cores> --use-singularity

另外，如果您安装了Docker，则可以在MacOS上运行：

 docker run --rm -it -v"$(pwd)"/out:/opt/isling/out szsctt/isling:latest snakemake --configfile test/config/test.yml --cores 1

这将使用容器内的配置文件和数据，结果将出现在当前工作目录中out的文件夹中。在Linux上，您需要将此命令作为root运行，在Windows上，您需要调整绑定安装语法（ -v参数）。

输入数据（读取和主机和病毒引用）已指定为ni a config文件 - 对于您自己的数据，您需要修改示例配置文件（ test/config/test.yml ），以指向您自己的数据。有关配置文件格式的更多信息，请参见configfile.md 。

概述

管道执行多个步骤以识别集成站点。它作为由FASTQ文件或BAM文件组成的输入数据集。它对读取（合并重叠读数，可选）进行了一些预处理，然后将它们对齐到宿主和病毒序列。首先将读取与病毒序列对齐，然后将对齐的读数提取并与宿主排列。这些比对用于识别病毒整合。

依赖性

ISLING需要snakemake和singularity （推荐）或conda来提供依赖性。额外的， python版本3.5或更高版本以及pandas （如果使用conda安装snakemake ，则应自动安装这些版本。

Alternativley，使用包含Isling和所有依赖项的Docker版本。

输入

所需的输入是配置文件，该文件指定主机和病毒/向量引用，并且需要读取。在配置文件中指定所有输入。 ISLING当前仅适用于配对读取。

有关此配置文件格式的说明，请参见文件configfile.md 。

输出

ISLING输出集成站点在配置文件中指定的输出目录中以选项卡分隔格式。

文件

在输出文件夹中，为配置文件中的每个数据集创建一个文件夹，对于每个数据集，可以在ints目录中找到集成。每个示例将有一组输出文件。

对于每个示例，都有许多输出文件，对于特定用例可能会很感兴趣。

• <sample>.<host>.<virus>.integrations.txt ：有关所有检测到的连接的信息，无论他们是否通过过滤器
• <sample>.<host>.<virus>.integrations.post.txt ：有关通过所有过滤器的检测到的连接的信息
• <sample>.<host>.<virus>.integrations.post.unique.txt ：有关通过所有过滤器的检测到的连接的信息，并且在主机和向量/病毒中都有明确的位置
• <sample>.<host>.<virus>.integrations.post.unique.merged.txt ：在主机和病毒/载体中合并重叠连接或与相同坐标的重叠连接或连接的结果。合并仅使用在宿主和病毒/载体中都有明确位置的集成连接进行进行合并。
• <sample>.<host>.<virus>.integrations.post.host_ambig.txt ：有关通过所有过滤器并具有明确的位置向量/病毒但在主机中具有含糊位置的检测到的连接的信息
• <sample>.<host>.<virus>.integrations.post.virus_ambig.txt ：有关通过所有过滤器并具有明确位置主机但在矢量/病毒中模棱两可的位置主机但位置模棱两可的检测到的信息的信息
• <sample>.<host>.<virus>.integrations.post.both_ambig.txt ：有关通过所有过滤器的检测到的连接的信息

列

输出文件给出了已确定的集成及其属性的位置。根据其模棱两可的基础，指定了集成连接的坐标。也就是说，读物的宿主和病毒部分之间通常存在差距或重叠：

由于在这种情况下不能唯一确定积分的位置，因此ISLING输出这些碱基的坐标和载体/病毒基因组作为整合的位置。

除了合并的群集输出文件外，所有文件都包含以下列：

• CHR：主机染色体/重叠群，确定了整合
• Intstart，Intstop：主机中交界处的模棱两可基础的坐标
• 病毒Ref：连接涉及的病毒参考
• 病毒Start，病毒阻滞：模棱两可碱基的坐标，用于病毒参考
• Noambigufulbase：模棱两可的基础数量
• Overlaptype：指定是否发生模棱两可的基础，因为连接处是嵌合读数的gap或overlap （在同一读取中识别出的主机和病毒部分），如果没有模棱两可的基础，则连接很clean 。另外，如果在不一致的对中识别出Jucntion， OverlapType是discordant
• 方向：集成相对于宿主基因组的方向 - 宿主/病毒（ hv ）或病毒/宿主（ vh ）的方向
• 病毒方向：整合病毒部分的方向 - +或-
• 主机：明确来自主机的阅读基础
• VirusSeq：明确来自病毒的读取的基础
• 模棱两可的：模棱两可的基础的顺序
• 主机对齐的主机：编辑距离（来自bwa ）
• 病毒式派：病毒对齐的编辑距离（距bwa ）
• 总体编辑：总编辑距离；主机和病毒编辑划分的总和，以及如果OverlapType为gap则含糊的基础数
• 可能的hosttranslocation：可以将读取为宿主基因组的易位吗？
• 可能的VectorRearrangement：可以将读取为矢量基因组的重排吗？
• hostAmbiguulLocation：宿主基因组中的集成连接还有其他可能的位置吗？
• ViralAmbigufullation：在病毒基因组中的整合连接还有其他可能的位置吗？
• 类型：是在chimeric读物中观察到的连接，是discordant一对还是一个short集成，在同一读取中都观察到两个连接
• HOSTMAPQ：映射主机对齐的质量（来自bwa ）
• 病毒模型：映射病毒对齐的质量（来自bwa ）
• AltLocs：如果在宿主或病毒基因组中有其他可能的位置（由于其他等效的比对），则在此处给出
• ReadSeq：观察到积分的读取序列。对于不一致的对，这两个读数由字符串'xxx'分开

基准测试

要重现Isling手稿中的数字，请参见benchmarking目录中的读数。