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。

(ウィリス向け)高感度なHMMベースのアライナ ngshmmalign

 

 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

Github

#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

 github

https://github.com/cbg-ethz/ngshmmalign