macでインフォマティクス

macでインフォマティクス

NGS関連のインフォマティクス情報についてまとめています。

ONTリードのシミュレーター NanoSim-H

 

NanoSim-Hは NanoSim(紹介)のforkとして開発されたONTリードのシミュレータ。以下の改善点がある。

  • Support for Python 3
  • Support for RNF read names
  • Installation from PyPI
  • Error profiles distributed with the main package
  • Automatic testing using Travis
  • Reproducible simulations (setting a seed for PRG)
  • Improved interface with new parameters (e.g., for merging all contigs) and a progress bar
  • Several minor bugs fixed

エラープロファイルとしてecoli_R7、ecoli_R7.3, ecoli_R9_1D、ecoli_R9_2D、その他が準備されており、トレーニングなしにすぐに使い始めることができる。出力はfastaになり、quality情報は出ない。

 

インストール

依存

本体 Github

pipやcondaで導入できる。

pip install --upgrade nanosim-h

conda install -c bioconda -y nanosim-h

> nanosim-h --help

$ nanosim-h --help

usage: nanosim-h [-h] [-p str] [-o str] [-n int] [-u float] [-m float]

                 [-i float] [-d float] [-s int] [--circular] [--perfect]

                 [--merge-contigs] [--rnf] [--rnf-add-cigar] [--max-len int]

                 [--min-len int] [--kmer-bias int]

                 <reference.fa>

 

Program:  NanoSim-H - a simulator of Oxford Nanopore reads.

Version:  1.1.0.3

Authors:  Chen Yang <cheny@bcgsc.ca> - author of the original software package (NanoSim)

          Karel Brinda <kbrinda@hsph.harvard.edu> - author of the NanoSim-H fork

 

positional arguments:

  <reference.fa>        reference genome (- for standard input)

 

optional arguments:

  -h, --help            show this help message and exit

  -p str, --profile str

                        error profile - one of precomputed profiles

                        ('ecoli_R7', 'ecoli_R7.3', 'ecoli_R9_1D',

                        'ecoli_R9_2D', 'ecoli_UCSC1b', 'yeast') or own

                        directory with an error profile [ecoli_R9_2D]

  -o str, --out-pref str

                        prefix of output file [simulated]

  -n int, --number int  number of generated reads [10000]

  -u float, --unalign-rate float

                        rate of unaligned reads [detect from the error

                        profile]

  -m float, --mis-rate float

                        mismatch rate (weight tuning) [1.0]

  -i float, --ins-rate float

                        insertion rate (weight tuning) [1.0]

  -d float, --del-rate float

                        deletion rate (weight tuning) [1.0]

  -s int, --seed int    initial seed for the pseudorandom number generator (0

                        for random) [42]

  --circular            circular simulation (linear otherwise)

  --perfect             output perfect reads, no mutations

  --merge-contigs       merge contigs from the reference

  --rnf                 use RNF format for read names

  --rnf-add-cigar       add cigar to RNF names (not fully debugged, yet)

  --max-len int         maximum read length [inf]

  --min-len int         minimum read length [50]

  --kmer-bias int       prohibits homopolymers with length >= n bases in

                        output reads [6]

 

Examples: nanosim-h --circular ecoli_ref.fasta

          nanosim-h --circular --perfect ecoli_ref.fasta

          nanosim-h -p yeast --kmer-bias 0 yeast_ref.fasta

 

Notice: the use of `max-len` and `min-len` will affect the read length distributions. If

the range between `max-len` and `min-len` is too small, the program will run slowlier accordingly.

 

ラン

R9_1Dのエラープロファイルで環状クロモソームをシミュレート(複数ヘッダがあると動作しない)。

nanosim-h --circular -n 10000 -p ecoli_R9_1D\
Ecoli_ref.fasta -o simulated
  • --perfect   output perfect reads, no mutations
  • -p <str>   one of precomputed profiles ('ecoli_R7', 'ecoli_R7.3', 'ecoli_R9_1D', 'ecoli_R9_2D', 'ecoli_UCSC1b', 'yeast') or own directory with an error profile [ecoli_R9_2D]
  • -o    prefix of output file [simulated]
  • -n     number of generated reads [10000]

perfectをつけるとエラーフリーになる。

fastaとともに出力される~errors.txtには、エラー部位が出力されている。

$ head simulated.errors.txt 

Seq_name        Seq_pos error_type      error_length    ref_base        seq_base

chr_1691692_aligned_588 6860    del     1       T       -

chr_1691692_aligned_588 6833    ins     2       --      AC

chr_1691692_aligned_588 6828    mis     1       G       A

chr_1691692_aligned_588 6825    mis     1       T       A

chr_1691692_aligned_588 6820    ins     2       --      CT

chr_1691692_aligned_588 6817    ins     2       --      GC

chr_1691692_aligned_588 6816    mis     1       C       A

chr_1691692_aligned_588 6806    ins     1       -       T

chr_1691692_aligned_588 6800    del     1       T       -

 

 

 

 上記以外のエラープロファイルを利用したい場合、nanosim-h-trainコマンドを利用する(LASTとRが必要になる)。詳細はgithubで確認してください。

 

引用

Github

https://github.com/karel-brinda/nanosim-h

 

How to simulate nanopore reads?

https://bioinformatics.stackexchange.com/questions/5259/how-to-simulate-nanopore-reads