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。

オーバーラップするペアエンドリードをマージする PEAR

  PEARはオーバーラップするペアエンドリードをマージするツール。フラグメントサイーズがリード長x2より小さい場合、ペアエンドリード間にオーバーラップが存在する。PEARはこのオーバーラップ領域を認識してマージするツールとなる。

 

公式ページ

https://sco.h-its.org/exelixis/web/software/pear/doc.html

 

インストール

cent os6でテストした。

依存

本体 Github

GitHub - stevschmid/PEAR: Pair-End AssembeR

#クローンするとbin/にあるビルド済みプログラムもダウンロードされる。
git clone https://github.com/stevschmid/PEAR.git
cd PEAR/bin/
chmod u+x pear-0.9.6-bin-64

./pear-0.9.6-bin-64

$ ./pear-0.9.6-bin-64 

 ____  _____    _    ____ 

|  _ \| ____|  / \  |  _ \

| |_) |  _|   / _ \ | |_) |

|  __/| |___ / ___ \|  _ <

|_|   |_____/_/   \_\_| \_\

PEAR v0.9.6 [January 15, 2015]  - [+bzlib +zlib]

 

Citation - PEAR: a fast and accurate Illumina Paired-End reAd mergeR

Zhang et al (2014) Bioinformatics 30(5): 614-620 | doi:10.1093/bioinformatics/btt593

 

License: Creative Commons Licence

Bug-reports and requests to: Tomas.Flouri@h-its.org and Jiajie.Zhang@h-its.org

 

 

Usage: pear <options>

Standard (mandatory):

  -f, --forward-fastq         <str>     Forward paired-end FASTQ file.

  -r, --reverse-fastq         <str>     Reverse paired-end FASTQ file.

  -o, --output                <str>     Output filename.

Optional:

  -p, --p-value               <float>   Specify  a p-value for the statistical test. If the computed

                                        p-value of a possible assembly exceeds the specified p-value

                                        then  paired-end  read  will not be assembled. Valid options

                                        are: 0.0001, 0.001, 0.01, 0.05 and 1.0. Setting 1.0 disables

                                        the test. (default: 0.01)

  -v, --min-overlap           <int>     Specify the minimum overlap size. The minimum overlap may be

                                        set to 1 when the statistical test is used. However, further

                                        restricting  the  minimum overlap size to a proper value may

                                        reduce false-positive assembles. (default: 10)

  -m, --max-assembly-length   <int>     Specify   the  maximum  possible  length  of  the  assembled

                                        sequences.  Setting this value to 0 disables the restriction

                                        and assembled sequences may be arbitrary long. (default: 0)

  -n, --min-assembly-length   <int>     Specify   the  minimum  possible  length  of  the  assembled

                                        sequences.  Setting this value to 0 disables the restriction

                                        and  assembled  sequences  may be arbitrary short. (default:

                                        50)

  -t, --min-trim-length       <int>     Specify  the  minimum length of reads after trimming the low

                                        quality part (see option -q). (default: 1)

  -q, --quality-threshold     <int>     Specify  the  quality  score  threshold for trimming the low

                                        quality  part  of  a  read.  If  the  quality  scores of two

                                        consecutive  bases  are  strictly  less  than  the specified

                                        threshold,  the  rest of the read will be trimmed. (default:

                                        0)

  -u, --max-uncalled-base     <float>   Specify  the maximal proportion of uncalled bases in a read.

                                        Setting this value to 0 will cause PEAR to discard all reads

                                        containing  uncalled  bases.  The other extreme setting is 1

                                        which  causes  PEAR  to process all reads independent on the

                                        number of uncalled bases. (default: 1)

  -g, --test-method           <int>     Specify  the  type  of  statistical  test.  Two  options are

                                        available. (default: 1)

                                        1: Given the minimum allowed overlap, test using the highest

                                        OES. Note that due to its discrete nature, this test usually

                                        yields  a lower p-value for the assembled read than the cut-

                                        off  (specified  by -p). For example, setting the cut-off to

                                        0.05  using  this  test,  the  assembled reads might have an

                                        actual p-value of 0.02.

 

                                        2. Use the acceptance probability (m.a.p). This test methods

                                        computes  the same probability as test method 1. However, it

                                        assumes  that  the  minimal  overlap is the observed overlap

                                        with  the  highest  OES, instead of the one specified by -v.

                                        Therefore,  this  is  not  a  valid statistical test and the

                                        'p-value'  is  in fact the maximal probability for accepting

                                        the assembly. Nevertheless, we observed in practice that for

                                        the case the actual overlap sizes are relatively small, test

                                        2  can  correctly  assemble  more  reads  with only slightly

                                        higher false-positive rate.

  -e, --empirical-freqs                 Disable  empirical base frequencies. (default: use empirical

                                        base frequencies)

  -s, --score-method          <int>     Specify the scoring method. (default: 2)

                                        1. OES with +1 for match and -1 for mismatch.

                                        2: Assembly score (AS). Use +1 for match and -1 for mismatch

                                        multiplied by base quality scores.

                                        3: Ignore quality scores and use +1 for a match and -1 for a

                                        mismatch.

  -b, --phred-base            <int>     Base PHRED quality score. (default: 33)

  -y, --memory                <str>     Specify  the  amount of memory to be used. The number may be

                                        followed  by  one  of  the  letters  K,  M,  or  G  denoting

                                        Kilobytes,  Megabytes and Gigabytes, respectively. Bytes are

                                        assumed in case no letter is specified.

  -c, --cap                   <int>     Specify  the upper bound for the resulting quality score. If

                                        set to zero, capping is disabled. (default: 40)

  -j, --threads               <int>     Number of threads to use

  -z, --nbase                           When  merging  a  base-pair  that  consists of two non-equal

                                        bases  out  of which none is degenerate, set the merged base

                                        to N and use the highest quality score of the two bases

  -h, --help                            This help screen.

0.9.6の64bit版実行ファイルを"pear"とリネームして/usr/local/bin/に移動した。

 

ラン

 ペアエンドリードのマージ。

pear -f pair1.fq -r pair2.fq -o merged

>  ls -al |head -n 5

-rw-r--r--    1 uesaka user   159M May 23 17:18 merge.assembled.fastq

-rw-r--r--    1 uesaka user    26M May 23 17:18 merge.unassembled.forward.fastq

-rw-r--r--    1 uesaka user    20M May 23 17:18 merge.unassembled.reverse.fastq

drwxr-xr-x  350 uesaka uesaka  36K May 23 17:15 .

-rw-r--r--    1 uesaka user      0 May 23 17:15 merge.discarded.fastq

ランが終わると、マージされたfastqとされなかったfastqが別々に出力される。

  

BBToolsには、k-merを使ってリードを延長し、オーバーラップがないリードをマージさせるBBmergeコマンドがあります。ロングリードが必要であれば、BBMergeの使用を検討してください。

多機能なNGSの管理ツール BBtools 

 

引用

 PEAR

https://github.com/stevschmid/PEAR