isling

iSling

Isling是在配對末端讀取中檢測病毒或向量積分的工具。請閱讀我們的論文以獲取完整的詳細信息。

Quickstart

如果您安裝了conda和snakemake ，請在本地使用（隨附的）測試數據運行：

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

如果您安裝了snakemake和singularity ，則可以使用：

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

另外，如果您安裝了Docker，則可以在MacOS上運行：

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

這將使用容器內的配置文件和數據，結果將出現在當前工作目錄中out的文件夾中。在Linux上，您需要將此命令作為root運行，在Windows上，您需要調整綁定安裝語法（ -v參數）。

輸入數據（讀取和主機和病毒引用）已指定為ni a config文件 - 對於您自己的數據，您需要修改示例配置文件（ test/config/test.yml ），以指向您自己的數據。有關配置文件格式的更多信息，請參見configfile.md 。

概述

管道執行多個步驟以識別集成站點。它作為由FASTQ文件或BAM文件組成的輸入數據集。它對讀取（合併重疊讀數，可選）進行了一些預處理，然後將它們對齊到宿主和病毒序列。首先將讀取與病毒序列對齊，然後將對齊的讀數提取並與宿主排列。這些比對用於識別病毒整合。

依賴性

ISLING需要snakemake和singularity （推薦）或conda來提供依賴性。額外的， python版本3.5或更高版本以及pandas （如果使用conda安裝snakemake ，則應自動安裝這些版本。

Alternativley，使用包含Isling和所有依賴項的Docker版本。

輸入

所需的輸入是配置文件，該文件指定主機和病毒/向量引用，並且需要讀取。在配置文件中指定所有輸入。 ISLING當前僅適用於配對讀取。

有關此配置文件格式的說明，請參見文件configfile.md 。

輸出

ISLING輸出集成站點在配置文件中指定的輸出目錄中以選項卡分隔格式。

文件

在輸出文件夾中，為配置文件中的每個數據集創建一個文件夾，對於每個數據集，可以在ints目錄中找到集成。每個示例將有一組輸出文件。

對於每個示例，都有許多輸出文件，對於特定用例可能會很感興趣。

• <sample>.<host>.<virus>.integrations.txt ：有關所有檢測到的連接的信息，無論他們是否通過過濾器
• <sample>.<host>.<virus>.integrations.post.txt ：有關通過所有過濾器的檢測到的連接的信息
• <sample>.<host>.<virus>.integrations.post.unique.txt ：有關通過所有過濾器的檢測到的連接的信息，並且在主機和向量/病毒中都有明確的位置
• <sample>.<host>.<virus>.integrations.post.unique.merged.txt ：在主機和病毒/載體中合併重疊連接或與相同坐標的重疊連接或連接的結果。合併僅使用在宿主和病毒/載體中都有明確位置的集成連接進行進行合併。
• <sample>.<host>.<virus>.integrations.post.host_ambig.txt ：有關通過所有過濾器並具有明確的位置向量/病毒但在主機中具有含糊位置的檢測到的連接的信息
• <sample>.<host>.<virus>.integrations.post.virus_ambig.txt ：有關通過所有過濾器並具有明確位置主機但位於矢量/病毒中模棱兩可的位置的檢測到的連接的信息
• <sample>.<host>.<virus>.integrations.post.both_ambig.txt ：有關通過所有過濾器的檢測到的連接的信息

列

輸出文件給出了已確定的集成及其屬性的位置。根據其模棱兩可的基礎，指定了集成連接的坐標。也就是說，讀物的宿主和病毒部分之間通常存在差距或重疊：

由於在這種情況下不能唯一確定積分的位置，因此ISLING輸出這些鹼基的坐標和載體/病毒基因組作為整合的位置。

除了合併的群集輸出文件外，所有文件都包含以下列：

• CHR：主機染色體/重疊群，確定了整合
• Intstart，Intstop：主機中交界處的模棱兩可基礎的坐標
• 病毒Ref：連接涉及的病毒參考
• 病毒Start，病毒阻滯：模棱兩可鹼基的坐標，用於病毒參考
• Noambigufulbase：模棱兩可的基礎數量
• Overlaptype：指定是否發生模棱兩可的基礎，因為連接處是嵌合讀數的gap或overlap （在同一讀取中識別出的主機和病毒部分），如果沒有模棱兩可的基礎，則連接很clean 。另外，如果在不一致的對中識別出Jucntion， OverlapType是discordant
• 方向：集成相對於宿主基因組的方向 - 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-
• 主機：明確來自主機的閱讀基礎
• VirusSeq：明確來自病毒的讀取的基礎
• 模棱兩可的：模棱兩可的基礎的順序
• 主機對齊的主機：編輯距離（來自bwa ）
• 病毒式派：病毒對齊的編輯距離（距bwa ）
• 總體編輯：總編輯距離；主機和病毒編輯劃分的總和，以及如果OverlapType為gap則含糊的基礎數
• 可能的hosttranslocation：可以將讀取為宿主基因組的易位嗎？
• 可能的VectorRearrangement：可以將讀取為矢量基因組的重排嗎？
• hostAmbiguulLocation：宿主基因組中的集成連接還有其他可能的位置嗎？
• ViralAmbigufullation：在病毒基因組中的整合連接還有其他可能的位置嗎？
• 類型：是在chimeric讀物中觀察到的連接，是discordant一對還是一個short集成，在同一讀取中都觀察到兩個連接
• HOSTMAPQ：映射主機對齊的質量（來自bwa ）
• 病毒模型：映射病毒對齊的質量（來自bwa ）
• AltLocs：如果在宿主或病毒基因組中有其他可能的位置（由於其他等效的比對），則在此處給出
• ReadSeq：觀察到積分的讀取序列。對於不一致的對，這兩個讀數由字符串'xxx'分開

基準測試

要重現Isling手稿中的數字，請參見benchmarking目錄中的讀數。