bam/sam
テロメアは染色体の末端を覆い、ゲノムの完全性の維持に重要な役目を担っている。ヒトでは、テロメアは5〜15kbのTTAGGGタンデムリピートの配列、およびそれらのテロメア結合タンパク質（論文より ref.1）から構成される。テロメラーゼまたは代替の経路が存在…
次世代シーケンシング（NGS）の開発により、ゲノムシーケンシングは多くの研究分野、特にがん研究に関連する分野（Shen et al。、2015）に適用可能となった。異なるスケールで変化を検出するため多くのツールが開発されている。例えば、GATK（McKenna et al…
2018 11/3 誤字修正 2019 3/18 freebayes追記 ハイスループットシーケンシング技術の出現により、バクテリア集団のシーケンシングのような新しい実験的アプローチが可能になった。感染は、しばしば同じ種の複数の株を含んでおり（Darch et al、2015; Taylor …
SAMsiftはKarel BřindaさんがGithubで公開されている、samを様々な条件でフィルタリングできるツール。 インストール mac os10.13のPython 3.6.2 :: Anaconda 3-5.0.0 でテストした。 本体 GIthub #Anaconda環境conda install -c bioconda samsift#Anaconda…
Binary Alignment / Map（BAM）は、リファレンスゲノムとのアラインメント後に大量のゲノムリードデータを保持するための共通フォーマットを提供している。リードには捕捉情報が追加されており、例えばFASTAやFASTQファイルには含まれていないターゲット位置…
Graphフォーマットを使えば環状のリファレンスゲノムを正しく表現できるが、プレーンのFASTA形式には環状のリファレンスゲノムを正しく表現する方法が整備されていない。そのため、環状ゲノムのシーケンシングデータを"線状の"リファレンスゲノムFASTAにマッ…
8/24 誤字修正 A beginners guide to SNP calling from high-throughput DNA-sequencing data （Andre ́ Altman et al., 2012）より ハイスループットDNAシークエンシング（HTS）は、ライフサイエンスにおいてますます重要になっている。その最も顕著な用途…
sam/bamをいじっていると、ヘッダーが無かったり重複したり、ダウンロードが不完全だったり、様々な理由でおかしくなってしまうことがある。PicardのValidateSamFileはsam/bamにエラーがないか分析するコマンド。実行するとエラーが見つかったところを教えて…
（ゲノム）リシーケンシングプロジェクトは、既知ゲノムを有する種の個体のシーケンシング解析であり、大量のraw シーケンシングリードを生成し、その後、これらはリファレンスゲノムにアライメントされる。シーケンシングコストが減少し、現在のシーケンシ…
2020 8/24 タイトル修正 picardmetricsはKamil Slowikowskiさんが公開されたPicard（ピカード）Toolsのbamを分析する各コマンドを走らせ、その結果を統合してくれるシェルスクリプト。 コマンド https://slowkow.github.io/picardmetrics/ インストール ubun…
今日の大きなゲノムデータセットの分析は、all-or-nothingアプローチ、すなわち、時間がかかり直感的ではない完全なエンド・ツー・エンドの分析を生み出す。それはまた、かなりの計算専門知識と高価なコンピュータインフラストラクチャを必要とし、多くのベ…
2021/111/8 インストール方法追記 シングルエンドのデータをターゲットとしている。 ペアエンドは独立してカウントされる。 インストール mac os 10.13でテストした。 依存 git cmake 2.8.3+ (cmake.org) mac osにはcmakeは入ってません。brew install cmake…
2019 9/8 インストール追記 2013年のペーパーより ハイスループットシーケンシング（HTS）は、シーケンシングデータの急速な成長率をもたらした。 著者らのラボでは、毎日テラバイトのデータを生成している。 これは通常、バリアントコーラー、定量およびア…
2020 3/1 インストール手順修正 pysamstatsはsamのstatisticsを出力できるツール。pileup出力のほか、一定のbinサイズでの出力もできる。ライブラリとしての活用も視野に設計されている。 インストール anaconda3.7環境でテストした（macos10.14）。 本体 Gi…
特に、シーケンススループットの高いプロジェクトや施設（Koboldt et al。、2010）においては、ミスラベルやミックスアップはよくある問題である 。次世代シーケンシング（NGS）データを扱う場合、誤ったラベルのサンプルは誤ったデータ処理と分析につながり…
deeptools2のペーパーより ハイスループットシーケンスデータのデータの分析は、引き続き研究者にとって大きな課題となっている。ハイスループットシーケンシングを用いた実験の多様性が急速に高まっているため、分析パッケージの数が増加し、洞察に富んだ視…
fastqpはシンプルなNGSのシーケンスデータ（fastq、sam、bam）評価ツール。 インストール mac os 10.13 python2.7.14環境に導入した。 依存 Tested on Python 2.7, and 3.4 Tested on Mac OS 10.10 and Linux 2.6.18 Numpy, Scipy, and Matplotlib samtools …
2020 8/22 論文追記 大規模な第二世代および第三世代のシーケンシングデータセットの品質管理(QC)を調和させることは、下流の計算や生物学的解析を可能にするための鍵となる。ここで著者らはAlfredを紹介する。Alfredは効率的で汎用性の高いコマンドラインア…
2019 6/11 インストール追記 RNA-seqは、トランスクリプトームの様々な側面を研究するための強力な技術である。それは、遺伝子発見、選択的スプライシングイベントの検出、継時的発現分析、融合の検出、SNPおよび転写後エディティングなどの変異の同定を含む…
ハイスループットシーケンシングデータのリファレンス配列への迅速かつ正確なマッピングの必要性に対処するために、過去数年間に多くの異なるソフトウェアツールが開発されてきており、その多くは頻繁に更新および改良されている（論文より Dobin et al、201…
2020 8/9 論文追記 Visualizationは、現在のゲノム革命において、バリアント、発現パターン、進化による変化、および他の多くの関係を検査し、理解するために非常に重要な役割を果たす（Preprint ref.1~3）。しかし、構造変化可視化時のリードとリファレンス…
2020 4/17 インストール追記、help更新 ゲノムシーケンスのコストが減少するにつれて、大規模なシーケンスデータセットを取り扱う際のストレージおよび計算上の負担が増大する懸念がある。ヒトゲノムの全ゲノムシーケンシングを30倍のカバレッジにすると、お…
2020 4/17 help更新、インストール追記 <Biobambam論文（*1）より> SAM（Sequence Alignment / Matching）およびBAM（Binary Alignment / Matching）ファイルフォーマットは、ハイスループットシーケンシングおよび得られたデータの参照ゲノムへのアライメントによって得られたシーケ</biobambam論文（*1）より>…
Ampliconベースの次世代シーケンシング（NGS）は、高スループットな生殖系列（論文より ref.1,2）および体細胞変異検出のためのメジャープラットフォームの1つである（ref.3,4,5,6,7）（一部略）。 NGSのリードは、通常、遺伝子特異的プライマー（試薬由来）…
2019 5/23 ABRA2追記 indel検出を制限するアラインメントエラーおよびリファレンスバイアスを克服するために、多数のリアライメントおよびアセンブリ方法が提案されている。ショートリードのマイクロアライナーは、局所的に組み立てられたバリアントグラフへ…
2020 9/26 Preprint引用、condaによるインストールコマンド、help追記 2021 5/27 論文追記 構造変異（SV）検出において、視覚的な検証は偽陽性を排除するために不可欠なステップである。著者らは、ショートリード、ロングリード、フェーズドリードを含む、複…
2021 6/6 インストール追記 ゲノム構造変異（SV）は大きなゲノムの再編成と定義され、逆位、転座、ならびに欠失および重複からなる（preprintより ref.1）。SVは、多くの異なるヒト遺伝的障害における直接的原因および寄与因子の両方であることが示されてお…
2020 3/20 コマンド修正 リードの境目を気にせず、とにかくfastqやsamを分割したいという時は、splitコマンドが使いやすい。fastqを認識して正しく分けるならseqkit split（紹介）を使う。 --非圧縮ファイルの分割-- 1000MB (1GB) ずつ分割し、gzip圧縮して…
2019 6/17 インストール追記 次世代シーケンシングデータの視覚化は、研究者が結果の質を評価し仮説を生成することを可能にするゲノミクスの基本的な部分である。したがって、ゲノムデータをブラウズするためのいくつかのプログラムは、ゲノミクスコミュニテ…
2019 7/28 コマンド修正 2019 8/3 リンク追加 一般にDNA配列解析はマッピングとそれに続く分析からなる（論文 図1）。マッピング段階では、BWA [論文より ref.1]のようなアライメントツールを介して既知の参照ゲノムにマッピングされる。その後、マッピング…
