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。

コード領域のリアライメントによってバリアントコールを改善する ABRA

 

 indel検出を制限するアラインメントエラーおよびリファレンスバイアスを克服するために、多数のリアライメントおよびアセンブリ方法が提案されている。ショートリードのマイクロアライナーは、局所的に組み立てられたバリアントグラフへリードを局所的に再調整する(Homer and Nelson、2010)。 PindelはPattern growth approarchを使用してindelsを検出する(Ye et al、2009)。 Dindelは候補をハプロタイプ候補に再編成し、ベイズ法を使用して最大50 bpの長さのindelsを呼び出す(Albers et al、2011)。GATKのIndelRealignerは、ローカルリアライメントを介して不一致塩基の数を最小限に抑えようとしている(DePristo et al、2011)。全ゲノムde novoアセンブリアプローチには、Fermi(Li、2012)およびCortex Var(Iqbal et al、2012)が含まれる。 SOAPIndelは、ペアリードの片方だけがマッピングされている領域で、ローカルアセンブリとコールを実行する(Li et al、2012)。 Clipping Reveals STructure(CREST)は、ソフトクリップされたリードとローカルアセンブリを実行して、体系的な構造変化を識別する(Wang et al、2010)。 Targeted Iterative Graph Routing Assembler(TIGRA)は、、推定ブレークポイントからターゲットのアセンブリによってコンティグを生成する(Chen et al、2014)。 さらにComplete Genomics(Carnevali et al、2012)およびFoundation Medicine(Framptonら、2013)によって独自のローカルアセンブリ方法も開発されている。

 新たに開発されたABRAというツールは、シーケンスアラインメント/マップ(SAM / BAM)ファイルを入力として受け入れ、リアライメントされたBAMファイルを出力として生成し、バリアントコールアルゴリズムやその他の下流解析の選択に柔軟性をもたらす。グローバルリアラインメントでは、アラインされていないか謝ってマップされたリードを正しいポジションに移動する。 ABRAは、元のリードのアラインメントには存在しない変異を検出し、存在する変異についてアレル頻度推定を改善する。 ABRAは、生殖細胞系および体細胞系の両方の検出を強化するために使用でき、ペアエンドおよびシングルエンドのデータでも機能する。

 

f:id:kazumaxneo:20180516102200j:plain

Githubより転載。

 

インストール

cent osでテストした。

依存

  • Building ABRA requires JDK 7, Maven and g++

本体 Github

https://github.com/mozack/abra

git clone https://github.com/mozack/abra.git 
cd abra/
make

ビルドに失敗したため、リリースにあるビルド済みのプログラムを使い(v. 0.97,linux 64bit)テストした。

https://github.com/mozack/abra/releases

java -jar abra.jar 

$ java -jar -Xmn4G abra.jar 

Java HotSpot(TM) 64-Bit Server VM warning: MaxNewSize (4194304k) is equal to or greater than the entire heap (4194304k).  A new max generation size of 4193792k will be used.

Starting 0.97 ...

Missing required input SAM/BAM file

Missing required input SAM/BAM file

Missing required reference

Missing required target regions

Missing required working directory

Option                                  Description                            

------                                  -----------                            

--adc [Integer]                         Skip regions with average depth        

                                          greater than this value (default:    

                                          100000)                              

--aur                                   Assemble unaligned reads (currently    

                                          disabled).                           

--bwa-ref                               BWA index prefix.  Use this only if    

                                          the bwa index prefix does not match  

                                          the ref option.                      

--ib                                    If specified, write intermediate data  

                                          to BAM file using the intel deflator 

                                          when available.  Use this to speed   

                                          up processing.                       

--in                                    Required list of input sam or bam file 

                                          (s) separated by comma               

--kmer                                  Optional assembly kmer size(delimit    

                                          with commas if multiple sizes        

                                          specified)                           

--lr                                    Search for potential larger local      

                                          repeats and output to specified file 

                                          (only for multiple samples)          

--mad <Integer>                         Regions with average depth exceeding   

                                          this value will be downsampled       

                                          (default: 250)                       

--mapq [Integer]                        Minimum mapping quality for a read to  

                                          be used in assembly and be eligible  

                                          for realignment (default: 20)        

--maxn [Integer]                        Maximum pre-pruned nodes in regional   

                                          assembly (default: 9000)             

--mbq [Integer]                         Minimum base quality for inclusion in  

                                          assembly.  This value is compared    

                                          against the sum of base qualities    

                                          per kmer position (default: 60)      

--mc-mapq [Integer]                     Minimum contig mapping quality         

                                          (default: 25)                        

--mcl [Integer]                         Assembly minimum contig length         

                                          (default: -1)                        

--mer <Double>                          Min edge pruning ratio.  Default value 

                                          is appropriate for relatively        

                                          sensitive somatic cases.  May be     

                                          increased for improved speed in      

                                          germline only cases. (default: 0.02) 

--mnf <Integer>                         Assembly minimum node frequency        

                                          (default: 2)                         

--mpc [Integer]                         Maximum number of potential contigs    

                                          for a region (default: 5000)         

--mur [Integer]                         Maximum number of unaligned reads to   

                                          assemble (default: 50000000)         

--no-debug                              Throttle down debug logging            

--out                                   Required list of output sam or bam file

                                          (s) separated by comma               

--rcf <Double>                          Minimum read candidate fraction for    

                                          triggering assembly (default: 0.01)  

--ref                                   Genome reference location              

--rna                                   Input RNA sam or bam file (currently   

                                          disabled)                            

--rna-out                               Output RNA sam or bam file (required   

                                          if RNA input file specified)         

--single                                Input is single end                    

--sv                                    Enable Structural Variation searching  

                                          (experimental, only supported for    

                                          paired end)                          

--target-kmers                          BED-like file containing target        

                                          regions with per region kmer sizes   

                                          in 4th column                        

--targets                               BED file containing target regions     

--threads <Integer>                     Number of threads (default: 4)         

--umnf [Integer]                        Assembly minimum unaligned node        

                                          frequency (default: 2)               

--working                               Working directory for intermediate     

                                          output.  Must not already exist

 

 

ラン

ランには、bam以外に、target領域のbedとFASTA、bwaのindexを用意する必要がある。target領域は遺伝子のコード領域を想定している。

bwa index ref.fa

bedはBEDtoolsのsortbedを使いポジションソートしておく。

sortBed -i input.bed > sort.bed

準備できたら実行する。

java -Xmn4G -jar abra.jar --in input.bam --out output.bam --ref ref.fa --targets sort.bed --threads 8 --working temp_dir
  • --in One or more input BAMs delimited by comma
  • --out One or more output BAM's corresponding to the set of input BAMs
  • --ref BWA indexed reference genome.
  • --targets BED file describing target assembly regions (Usually corresponds to capture targets) with optional kmer lengths for each region. Targets must be sorted by position in ascending order within each chromosome.

--workingで指定したワーキングディレクトリは上書きできないので、ランに失敗した時はワーキングディレクトリを消してから実行する。

 

 

引用

ABRA: improved coding indel detection via assembly-based realignment.

Mose LE, Wilkerson MD, Hayes DN, Perou CM, Parker JS

Bioinformatics. 2014 Oct;30(19):2813-5.