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。

ロングリードの分析ツール pauvre

 

pauvreはdarrin t schultzさんがGithubに公開されている第三世代ロングリード分析用のユーティリティツール。簡潔なstatisticsおよび図を出力して解析をサポートする。

 

インストール

mac os 10.12のminiconda3-4.0.5環境でテストした。

依存

  • python 3.x
  • matplotlib
  • biopython
  • pandas
  • pillow

本体 Github

conda install -c bioconda -y pauvre

$ pauvre -h

usage: pauvre [-h] [-v] {marginplot,redwood,stats,synplot} ...

 

optional arguments:

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

  -v, --version         Installed pauvre version

 

[sub-commands]:

  {marginplot,redwood,stats,synplot}

    marginplot          plot a marginal histogram of a fastq file

    redwood             make a redwood plot from a bam file

    stats               outputs stats from a fastq file

    synplot             make a synteny plot from a gff file, protein

                        alignment, and partition file

 

 

実行方法

1、stats   outputs stats from a fastq file

基本的なstatistics

pauvre marginplot --fastq input.fq.gz

Keeping reads that satisfy: length >= 0 and meanQual >= 0

# Fastq stats for SRR8182926_1.fastq.gz, reads >= 0bp

numReads: 38713

%totalNumReads: 100.00

numBasepairs: 215339875

%totalBasepairs: 100.00

meanLen: 5562.469325549557

medianLen: 4273.0

minLen: 38

maxLen: 80443

N50: 8860

L50: 7874

 

# Fastq stats for SRR8182926_1.fastq.gz, reads >= 1000bp

numReads: 32470

%totalNumReads: 83.87

numBasepairs: 211381859

%totalBasepairs: 98.16

meanLen: 6510.066492146597

medianLen: 5482.0

minLen: 1000

maxLen: 80443

N50: 9010

L50: 7653

 

 

この後も続く。

 

2、marginplot  plot a marginal histogram of a fastq file

分析結果を可視化する。

pauvre marginplot -n --fastq input.fq.gz

 

テストラン

SRAから適当に3つ、SMSシーケンシングデータをダウンロードして分析してみる(parallel-fastq-dump紹介)。

#1 DNA sequencing of Ecoli strain H105 MinION (SRR8182926) 
parallel-fastq-dump --sra-id SRR8182926 --threads 4 --gzip --outdir SRR8182926

#2 DNA sequencing of Ecoli strain H157 GridION (SRR8188010)
parallel-fastq-dump --sra-id SRR8188010 --threads 4 --gzip --outdir SRR8188010

#3 treptomyces sp. PAMC 26508 Pacbio CCS (SRR868759)
parallel-fastq-dump --sra-id SRR868759 --threads 4 --gzip --outdir SRR868759

 Minion、GridION、Pacbio RS (CCSモード)のデータをダウンロードした。

 

可視化

#1 DNA sequencing of Ecoli strain H105 MinION (13 Nov 2018)

pauvre marginplot -n --fastq SRR8182926_1.fastq.gz

f:id:kazumaxneo:20181215142243p:plain

#2 DNA sequencing of Ecoli strain H157 GridION (14 Nov 2018)

pauvre marginplot -n --fastq SRR8188010.fastq.gz

f:id:kazumaxneo:20181215142750p:plain


 #3 treptomyces sp. PAMC 26508 Pacbio CCS (27 Mar 2016)

pauvre marginplot -n --fastq SRR868759.fastq.gz

 

f:id:kazumaxneo:20181215143808p:plainこのようにシーケンス結果の外観をつかむことができる。縦軸、横軸の最大、最少はオプションで指定できます。一番下のSRR868759は、横軸の最大値は40で十分ですね。

引用

GitHub - conchoecia/pauvre: Pauvre: QC and genome browser plotting Oxford Nanopore and PacBio long reads.