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。

Structural variationsのシミュレーター SVGen

structural variations (SV) simulator human exome tumor germline

 

SVGen Documentより

構造変異（SV）用の既存のシミュレーションツールは、一部はSNV（single-nucleotide variants）をシミュレートせず、またシミュレートされたシーケンスリードを生成してSVコーラーソフトウェアをベンチマークする外部プログラムが必要となっている。 これらの制限に対処するために、様々なタイプのgermlineおよびsomatic SVを導入し、ショートリードとロングリードをシミュレートするための幅広いオプションを備えたツールSVGenを開発した。 SVGenからの出力には、SV領域を含むBEDファイル、シミュレートされたゲノム配列を伴うFASTAファイル、FASTQファイルが含まれる。

 

マニュアル

http://svgen.openbioinformatics.org/en/latest/user-guide/manual/

 

インストール

本体  Github

https://github.com/WGLab/SVGen

git clone https://github.com/WGLab/SVGen/ 
cd SVGen

> python insert_SNVs.py -h

$ python insert_SNVs.py -h

usage: insert_SNVs.py [-h] --fasta_input input.fasta --fasta_output

                      output.fasta --freq_file FREQ_FILE --vcf_output

                      VCF_OUTPUT --chrom chrom

 

Get arguments to create single-nucleotide variants (SNVs) in a fasta file.

 

optional arguments:

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

  --fasta_input input.fasta

                        Input fasta file to be used as reference to receive

                        SNVs.

  --fasta_output output.fasta

                        Output fasta file with random SNVs, based in

                        frequencies.

  --freq_file FREQ_FILE

                        Text file SNV frequencies.

  --vcf_output VCF_OUTPUT

                        VCF file generated with SNVs inserted.

  --chrom chrom         Chromosome.

> python simulate_SV_BED.py -h

$ python simulate_SV_BED.py -h

usage: simulate_SV_BED.py [-h] --chrom_lens chrom_lengths_file --output

                          output_bed_file --gaps gaps_file --chroms

                          chromosome_names [--del_lens del_lengths_file]

                          [--dup_lens dup_lengths_file]

                          [--inv_lens inv_lengths_file]

                          [--bal_trans_lens bal_trans_lengths_file]

                          [--unb_trans_lens unb_trans_lengths_file]

                          [--chroms_trans chroms_trans]

                          [--distance distance_between_SVs]

                          [--dist_sd distance_sd] [-v]

 

Get arguments to create random structural variant regions in a BED file.

 

optional arguments:

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

  --chrom_lens chrom_lengths_file

                        Text file with chromosome lengths.

  --output output_bed_file, -o output_bed_file

                        BED output file.

  --gaps gaps_file      BED file with regions to avoid (centromeres and

                        telomeres).

  --chroms chromosome_names

                        Chromosome names (range).

  --del_lens del_lengths_file

                        Text file with deletion lengths.

  --dup_lens dup_lengths_file

                        Text file with duplication lengths.

  --inv_lens inv_lengths_file

                        Text file with inversion lengths.

  --bal_trans_lens bal_trans_lengths_file

                        Text file with balanced translocation lengths.

  --unb_trans_lens unb_trans_lengths_file

                        Text file with unbalanced translocation lengths.

  --chroms_trans chroms_trans

                        Chromosomes from which translocations will come from.

  --distance distance_between_SVs, -d distance_between_SVs

                        Distance between SVs in a countinuous (ungapped)

                        region.

  --dist_sd distance_sd, -sd distance_sd

                        Standard deviation of distance between SVs in a

                        countinuous (ungapped) region.

  -v, --verbose

>  python insert_SVs.py -h

$ python insert_SVs.py -h

usage: insert_SVs.py [-h] --fasta_input input.fasta --fasta_output

                     output.fasta --bed SVs.bed --chrom_lens

                     chrom_lengths_file --chrom chromosome_name

                     [--fasta_label fasta_label] [-v] [--overlap]

 

This program inserts structural variants from a BED file into a FASTA file.

 

optional arguments:

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

  --fasta_input input.fasta, -i input.fasta

                        Fasta file to be changed with SVs.

  --fasta_output output.fasta, -o output.fasta

                        Fasta file to be created with SVs.

  --bed SVs.bed         BED file with SVs to be inserted.

  --chrom_lens chrom_lengths_file

                        Text file with chromosome lengths.

  --chrom chromosome_name

                        Chromosome.

  --fasta_label fasta_label

                        Name to label fasta sequence.

  -v, --verbose

  --overlap

> python create_reads.py -h

$ python create_reads.py -h

usage: create_reads.py [-h] --fasta_input input.fasta --output_file

                       output.fq|output.bam --cov coverage --read_len

                       avg_read_len [-pe] [--ins_rate insertion_rate]

                       [--del_rate deletion_rate] [--snp_rate snp_rate]

                       [--insert_size insert_size] [--insert_sd insert_sd]

                       [--alpha alpha] [--beta beta] [--read_label READ_LABEL]

                       [--fast_sample fast_sample] [-v]

 

This program inserts structural variants from a BED file into a FASTA file.

 

optional arguments:

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

  --fasta_input input.fasta, -i input.fasta

                        Fasta file to be changed with SVs.

  --output_file output.fq|output.bam, -o output.fq|output.bam

                        Output file for reads. It must finish with .fq/.fastq

                        or .bam (paired-end option will automatically change

                        file names to output1.fq and output2.fq).

  --cov coverage        Average coverage.

  --read_len avg_read_len

                        Average read length (length is fix for short reads).

  -pe                   Add option to generate paired-end reads.

  --ins_rate insertion_rate

                        Insertion error rate for reads.

  --del_rate deletion_rate

                        Deletion error rate for reads.

  --snp_rate snp_rate   SNP error rate for reads.

  --insert_size insert_size

                        Insert size for short reads.

  --insert_sd insert_sd

                        Insert standard deviation for short reads.

  --alpha alpha         Alpha for beta distribution of read lengths.

  --beta beta           Beta for beta distribution of read lengths.

  --read_label READ_LABEL

                        Label to add in each read.

  --fast_sample fast_sample

                        Number of quality score strings, or sets of errors,

                        for reads. Setting a number for this variable will

                        make the process of creating quality scores faster.

  -v, --verbose

 

 

ラン

データベースのダウンロード。初回だけ必要となる。Ensemblからゲノムデータ、Annovarからallele frequencyデータベースをダウンロードしている。

./download_and_format_database.sh hg38

 

SNVのシミュレーション

さきほどダウンロードしたリファレンスとallele frequencyデータベースを指定する。

python insert_SNVs.py --fasta_input reference/hg38/chr22.fa --fasta_output chr22.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom22.txt --chrom 22 --vcf_output chr22.SNV.vcf
  • --fasta_input   Input fasta file to be used as reference to
  • --fasta_output   Output fasta file with random SNVs, based in
  • --freq_file    Text file SNV frequencies.
  • --chroms     Chromosome names (range).
  • --vcf_output    VCF file generated with SNVs inserted.

SNVの位置は、FASTAと一緒に出力されるvcfファイルに記録されている（ポジコン）。

f:id:kazumaxneo:20180428150658j:plain

 

 

SVのシミュレーション

まずSVの領域を指定したBEDファイルを作る。

python simulate_SV_BED.py --dup_lens SV_lengths.txt --del_lens SV_lengths.txt --inv_lens SV_lengths.txt --bal_trans_lens SV_lengths.txt --unb_trans_lens SV_lengths.txt --chroms 22 --chroms_trans 1-10 --chrom_lens reference/chrom_lengths_hg38.txt --gaps reference/gaps_hg38.txt -o SVs.bed
  • --dup_lens   Text file with duplication lengths.
  • --del_lens    Text file with deletion lengths.
  • --inv_lens    Text file with inversion lengths.
  • --bal_trans_lens   Text file with balanced translocation lengths.
  • --unb_trans_lens    Text file with unbalanced translocation lengths.
  • --chrom_lens    Text file with chromosome lengths.
  • --gaps   BED file with regions to avoid (centromeres and telomeres).
  • -o    output_bed_file

SVのポジションが記録されたbedファイルが出力される。

1       13119169        13120668        baltr   22:14529190-14530689

1       122588673       122590672       baltr   22:12135573-12137572

2       265428  269427  baltr   22:23797887-23801886

2       91518961        91558960        baltr   22:26506599-26546598

3       91665436        91765435        baltr   22:24347132-24447131

3       93817281        93823280        baltr   22:25907506-25913505

 

次にchr22.SNV.faにSVを発生させるが、chr22に他のクロモソームからのinterchromosomal な構造変化も発生させるため、先に他のクロモソームでもSNVをシミュレートしたFASTAを作っておく必要がある。すなわち 

python insert_SNVs.py --fasta_input reference/hg38/chr1.fa --fasta_output chr1.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom1.txt --chrom 1 --vcf_output chr1.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr2.fa --fasta_output chr2.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom2.txt --chrom 2 --vcf_output chr2.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr3.fa --fasta_output chr3.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom3.txt --chrom 3 --vcf_output chr3.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr4.fa --fasta_output chr4.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom4.txt --chrom 4 --vcf_output chr4.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr5.fa --fasta_output chr5.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom5.txt --chrom 5 --vcf_output chr5.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr6.fa --fasta_output chr6.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom6.txt --chrom 6 --vcf_output chr6.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr7.fa --fasta_output chr7.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom7.txt --chrom 7 --vcf_output chr7.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr8.fa --fasta_output chr8.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom8.txt --chrom 8 --vcf_output chr8.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr9.fa --fasta_output chr9.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom9.txt --chrom 9 --vcf_output chr9.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chr10.fa --fasta_output chr10.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chrom10.txt --chrom 10 --vcf_output chr10.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chrY.fa --fasta_output chrY.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chromY.txt --chrom Y --vcf_output chrY.SNV.vcf &

python insert_SNVs.py --fasta_input reference/hg38/chrX.fa --fasta_output chrX.SNV.fa --freq_file reference/hg38_AFR.sites.2015_08.chromX.txt --chrom X --vcf_output chrX.SNV.vcf &

 を実行する。それぞれのクロモソームのSNV導入FASTAが出力される。

 

bedを元にSVを発生させる。

python insert_SVs.py -i chr22.SNV.fa -o chr22.SNV.SV.fa --chrom_lens reference/chrom_lengths_hg38.txt --chrom 22 --bed SVs.bed -v

 

 

リードの発生

SNVとSVが導入されたリファレンスが用意できたので、これを鋳型にリードを発生させる。

python create_reads.py -pe -i chr22.SNV.SV.fa -o reads.fq --cov 10 --read_len 100 --snp_rate 0.01 --del_rate 0.0001 --ins_rate 0.0001
  • -pe   Add option to generate paired-end reads.
  •  -i     input.fasta
  • -o     output.fq|output.bam
  • --cov    Average coverage.
  • --read_len   Average read length (length is fix for short reads).
  • --snp_rate   SNP error rate for reads.
  • --del_rate    Deletion error rate for reads.
  • --insert_size     Insert size for short reads.

 

 

 

引用

SVGen: simulation of structural variants in next-generation sequencing data

ima L, Yang H, Wang K.

http://svgen.openbioinformatics.org/en/latest/