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。

リファレンスゲノムのアノテーション情報をターゲットゲノムに移す Liftoff

 

 DNA シーケンシング技術と計算手法の向上により、多くの種の高品質なゲノムアセンブリが大幅に増加している。これらのゲノムの生物学を理解するためには、遺伝子の特徴やその他の機能的エレメントのアノテーションが不可欠であるが、ほとんどの種ではリファレンスゲノムのみが十分にアノテーションされている。ここでは、同種または近縁種の2つのアセンブリ間で遺伝子をマッピングすることができる新しいゲノムアノテーションリフトオーバーツールであるLiftoffについて説明する。Liftoffは、リファレンスゲノムからターゲットゲノムに遺伝子をアラインメントし、各エクソン、トランスクリプト、遺伝子の構造を保持しながら、配列の同一性を最大化するマッピングを見つける。著者らは、Liftoffがヒトリファレンスゲノムの2つのバージョン間(GRCh37とGRCh38)で99.9%の遺伝子を平均99.9%以上の配列同一性で正確にマッピングできることを示す。また、Liftoffは、ヒトのタンパク質をコードする遺伝子の98.4%以上を、配列同一性98.7%のチンパンジーゲノムアセンブリにリフティングすることに成功し、種を超えて遺伝子をマッピングできることを示す。

 

 

ゲノム全体をアラインメントするのではなく、遺伝子配列のみをアラインメントすることで、2つのゲノム間に構造的な違いが多くあっても、遺伝子をリフトオーバーすることができる。Liftoffは、各遺伝子について、転写物と遺伝子の構造を保持しながら、配列の同一性を最大化するエクソンのアラインメントを見つける。2つの遺伝子が重複する遺伝子座に誤ってマップされている場合、Liftoffはどちらの遺伝子が誤ってマップされている可能性が高いかを判断し、それを再マップしようとする。Liftoffは、リファレンスにアノテーションされていない、ターゲットアセンブリに存在する追加の遺伝子コピーを見つけることもできる。

 

インストール

依存

  • Liftoff requires Python3 and also depends on Minimap2.
  • python3>
conda install -c bioconda minimap2

本体 Github

git clone https://github.com/agshumate/Liftoff
cd liftoff/
python setup.py install #install_requires=['numpy', 'biopython','gffutils', 'networkx','pysam']

python liftoff.py

$ python liftoff.py

usage: liftoff.py [-h] -t <target.fasta> -r <reference.fasta>

                  [-g <ref_annotation.gff>] [-chroms <chroms.txt>] [-p 1]

                  [-o <output.gff>] [-db DB] [-infer_transcripts]

                  [-u <unmapped_features.txt>] [-infer_genes] [-a 0.5]

                  [-s 0.5] [-unplaced <unplaced_seq_names.txt>] [-copies]

                  [-sc 1.0] [-m PATH] [-dir <intermediate_files_dir>]

liftoff.py: error: the following arguments are required: -t, -r

(base) kamisakakazumanoMac-mini:liftoff kazu$ python liftoff.py -h

usage: liftoff.py [-h] -t <target.fasta> -r <reference.fasta>

                  [-g <ref_annotation.gff>] [-chroms <chroms.txt>] [-p 1]

                  [-o <output.gff>] [-db DB] [-infer_transcripts]

                  [-u <unmapped_features.txt>] [-infer_genes] [-a 0.5]

                  [-s 0.5] [-unplaced <unplaced_seq_names.txt>] [-copies]

                  [-sc 1.0] [-m PATH] [-dir <intermediate_files_dir>]

 

Lift features from one genome assembly to another

 

optional arguments:

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

  -t <target.fasta>     target fasta genome to lift genes to

  -r <reference.fasta>  reference fasta genome to lift genes from

  -g <ref_annotation.gff>

                        annotation file to lift over in gff or gtf format

  -chroms <chroms.txt>  comma seperated file with corresponding chromosomes in

                        the reference,target sequences

  -p 1                  processes

  -o <output.gff>       output file

  -db DB                name of feature database. If none, -g argument must be

                        provided and a database will be built automatically

  -infer_transcripts    use if GTF file only includes exon/CDS features and

                        does not include transcripts/mRNA

  -u <unmapped_features.txt>

                        name of file to write unmapped features to

  -infer_genes          use if GTF file only includes transcripts, exon/CDS

                        features

  -a 0.5                minimum alignment coverage to consider a feature

                        mapped [0-1]

  -s 0.5                minimum sequence identity in child features (usually

                        exons/CDS) to consider a feature mapped [0-1]

  -unplaced <unplaced_seq_names.txt>

                        text file with name(s) of unplaced sequences to map

                        genes from after genes from chromosomes in chroms.txt

                        are mapped

  -copies               look for extra gene copies in the target genome

  -sc 1.0               with -copies, minimum sequence identity in exons/CDS

                        for which a gene is considered a copy. Must be greater

                        than -s

  -m PATH               Minimap2 path

  -dir <intermediate_files_dir>

                        name of directory to save intermediate fasta and SAM

                        files

 

実行方法

ターゲットゲノムのFASTAファイル、リファレンスのFASTAファイルとアノテーションのGFFファイルを指定する。

python liftoff.py -t target.fa -r ref.fa -g ref.gff 

 

引用

Liftoff: an accurate gene annotation mapping tool

Alaina Shumate, Steven Salzberg