現在のシーケンシンでは、NGSのリードのアラインメントはbwa（http://bio-bwa.sourceforge.net）やbowtie（http://bowtie-bio.sourceforge.net/bowtie2/index.shtml）などのアライナを使用して行われる。 これらのアライナは高速で、大きな真核生物ゲノムのトランスクリプトームデータおよびエキソミックデータには適しているが、HIV-1やHCVなど、進化の過程で多数の変異を経験しているゲノムに対して多数のアーティファクトを生成する。 これらのRNAウイルスはheterogeneous mixtureとして現れ、indelおよび点変異がアラインメント段階において問題を引き起こす。 より高感度のアラインメントを作成するために、ngshmmalignはプロファイルHMMを実装して、グローバルでゲノムワイドなマルチプルシーケンスアラインメントに頼ることなく、そのようなウイルスの研究により適したアラインメントを作成する。プロファイルＨＭＭは、例えばHMMER（http://hmmer.org）で知られている、よく知られた確率的グラフィカルモデルである。
インストール
ubuntu16.0.4でテストした（docker使用、ホストOS macos10.14）
In order to install ngshmmalign, download a release tarball from https://github.com/cbg-ethz/ngshmmalign/releases. You can also install ngshmmalign from a git checkout, although this is not the recommended.
ビルド依存
- A C++11 compliant compiler. The ngshmmalign codebase makes extensive use of C++11 features.
- Boost; at least 1.50
- standard Unix utilities; such as sed, make, etc...
- MAFFT
- CMake
- Autoconf
- Automake
#bioconda（link）
conda install -c bioconda -y ngshmmalign
#ソースからビルドするならboostをインストールし、共有ライブラリLD_LIBRARY_PATHにexportしておく。/usr/local/boost_1_68_0/libはboostライブラリのパスに合わせて変更。
export LD_LIBRARY_PATH=/usr/local/boost_1_68_0/lib:$LD_LIBRARY_PATH
git clone https://github.com/cbg-ethz/ngshmmalign.git
cd ngshmmalign/
./autogen.sh
##git cloneしたngshmmalignのパスを指定してconfigure、Makefile作成。
./configure --prefix=/usr/local/ngshmmalign
#ビルド、インストール
make -j 8
make install
> ./ngshmmalign -h
# ./ngshmmalign -h
Warning: en_US.UTF-8 could not be imbued, this is likely due to a missing locale on your system
Allowed options:
Generic options:
-h [ --help ] Print this help
Configuration:
-r arg File containing the profile/MSA of the
reference
-R arg File containing the profile/MSA of the
reference. Will perform a comprehensive
parameter estimation using MAFFT. Mutually
exclusive with -r option
-o arg (=aln.sam) Filename where alignment will be written to
-w [ --wrong ] arg (=/dev/null) Filename where alignment will be written
that are filtered (too short, unpaired)
-t arg (=4) Number of threads to use for alignment.
Defaults to number of logical cores found
-l Do not clean up MAFFT temporary MSA files
-E Use full-exhaustive search, avoiding indexed
lookup
-X Replace general aligned state 'M' with '='
(match) and 'X' (mismatch) in CIGAR
-N arg (=CONSENSUS) Name of consensus reference contig that will
be created
-U Loci with ambiguous bases get their emission
probabilities according to their allele
frequencies. In practice this is
undesirable, as it leads to systematic
accumulation of gaps in homopolymeric
regions with SNVs
-s [ --seed ] arg (=42) Value of seed for deterministic run. A value
of 0 will pick a random seed from some
non-deterministic entropy source
--hard Hard-clip reads. Clipped bases will NOT be
in the sequence in the alignment
--HARD Extreme Hard-clip reads. Do not write
hard-clip in CIGAR, as if the hard-clipped
bases never existed. Mutually exclusive with
previous option
-v Show progress indicator while aligning
-M arg (=L * 0.8) Minimum mapped length of read
-a arg (=0.05) Minimum frequency for calling ambiguous base
--error arg (=0.005) Global substitution probability
--go arg (=1e-4) Gap open probability
--ge arg (=0.30) Gap extend probability
--io arg (=5e-5) Insert open probability
--ie arg (=0.50) Insert extend probability
--ep arg (=1/L) Jump to end probability; usually 1/L, where
L is the average length of the reads
--lco arg (=0.10) Left clip open probability
--lce arg (=0.90) Left clip extend probability
--rco arg (=lco/L) Right clip open probability
--rce arg (=0.90) Right clip extend probability
実行方法
リファレンスのfasta（extensionは.fastaにする）とfastqを指定する。-rの代わりに"-R"を立てるとアライナーがmafftに切り替わる。
ngshmmalign -r ref.fasta pair_R1.fastq -o output -v -t 8
- -r File containing the profile/MSA of the reference
- -R File containing the profile/MSA of the reference. Will perform a comprehensive parameter estimation using MAFFT. Mutually exclusive with -r option
引用
https://github.com/cbg-ethz/ngshmmalign
