macでインフォマティクス

macでインフォマティクス

HTS (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。

fastq のシミュレーター XS (リファンレスなし）

simulator BMC Research Notes 2014

 

XSはIon Torrent、Roche-454、Illumina、SOLiDに対応したショートリードのシミュレータ。軽量で依存がないように設計されている。クラウドに向けて時間とメモリに応じていくつかの実行モードを備えている。リファンレスは使わない。塩基はランダム発生され、そこにパラメータを追加することで、シーケンスの様々なbiasや特性を調べるツールとなる。

  

公式HP

http://bioinformatics.ua.pt/software/xs/

マニュアル(README)

https://github.com/pratas/xs/blob/master/README

 

インストール

Github

wget https://github.com/pratas/xs/archive/master.zip 
unzip master.zip 
cd xs-master 
make

./XS -h #動作確認

 

user$ ./XS -h

Usage: XS   [OPTION]... [FILE] 

 

System options:

 -h                       give this help

 -v                       verbose mode

 

Main FASTQ options:

 -t  <sequencingType>     type: 1=Roche-454, 2=Illumina, 3=ABI SOLiD, 4=Ion Torrent

 -hf <headerFormat>       header format: 1=Length appendix, 2=Pair End

 -i  n=<instrumentName>   the unique instrument name (use n= before name)

 -o                       use the same header in third line of the read

 -ls <lineSize>           static line (bases/quality scores) size

 -ld <minSize>:<maxSize>  dynamic line (bases/quality scores) size

 -n  <numberOfReads>      number of reads per file

 

DNA options:

 -f  <A>,<C>,<G>,<T>,<N>  symbols frequency

 -rn <numberOfRepeats>    repeats: number (default: 0)

 -ri <repeatsMinSize>     repeats: minimum size

 -ra <repeatsMaxSize>     repeats: maximum size

 -rm <mutationRate>       repeats: mutation frequency

 -rr                      repeats: use reverse complement repeats

 

Quality scores options:

 -qt <assignmentType>     quality scores distribution: 1=uniform, 2=gaussian

 -qf <statsFile>          load file: mean, standard deviation (when: -qt 2)

 -qc <template>           custom template ascii alphabet

 

Filtering options:

 -eh                      excludes the use of headers from output

 -eo                      excludes the use of optional headers (+) from output

 -ed                      excludes the use of DNA bases from output

 -edb                     excludes '\n' when DNA bases line size is reached

 -es                      excludes the use of quality scores from output

 

Stochastic options:

 -s  <seed>               generation seed

 

<genFile>                 simulated output file

 

Common usage:

 ./XS -v -t 1 -i n=MySeq -ld 30:80 -n 20000 -qt=1 -qc 33,36,39:43 File

 ./XS -v -ls 100 -n 10000 -eh -eo -es -edb -f 0.3,0.2,0.2,0.3,0.0 -rn 50 -ri 300 -ra 3000 -rm 0.1 File

XSをパスの通ったディレクトリに移動しておく。

 

実行方法

パラメータ例

XS -v -t 1 -i n=MySeq -ld 30:80 -n 20000 -qt=1 -qc 33,36,39:43 File
  • -v verbose mode
  • -t <sequencingType> type: 1=Roche-454, 2=Illumina, 3=ABI SOLiD, 4=Ion Torrent
  • -i n=<instrumentName> the unique instrument name (use n= before name)
  • -n <numberOfReads> number of reads per file
  • -ld <minSize>:<maxSize> dynamic line (bases/quality scores) size
  • -qt <assignmentType> quality scores distribution: 1=uniform, 2=gaussian

 

 XS -v -ls 100 -n 10000 -eh -eo -es -edb -f 0.3,0.2,0.2,0.3,0.0 -rn 50 -ri 300 -ra 3000 -rm 0.1 File
  • -ls <lineSize> static line (bases/quality scores) size
  • -eh excludes the use of headers from output
  • -eo excludes the use of optional headers (+) from output
  • -es excludes the use of quality scores from output
  • -rn <numberOfRepeats> repeats: number (default: 0)
  • -ri <repeatsMinSize> repeats: minimum size
  • -ra <repeatsMaxSize> repeats: maximum size
  • -rm <mutationRate> repeats: mutation frequency

 

他にもリピート用のフラグなどが用意されています。-sで乱数発生を調整するので、-sの値を変えると変化します。

 

 

引用

XS: a FASTQ read simulator

Pratas D, Pinho AJ, Rodrigues JM

BMC Res Notes. 2014 Jan 16;7:40