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。

tumorサンプルのテロメアリピート数を推定する telomerehunter

2019 BMC Bioinformatics telomere docker human genome tumor

2020 4/20 誤字修正

 

　テロメアは、真核生物の染色体の末端にある核タンパク質の複合体である。ヒトでは、テロメアDNAは主にノンコーディングのt型(TTAGGG)リピートで構成されているが、c型(TCAGGG)、g型(TGAGGG)、j型(TTGGGG)リピートで構成されています。しかし、c- (TCAGGG)、g- (TGAGGG)、j- (TTGGGG)のテロメア可変リピート(TVR)や他の6量体配列のバリエーションも存在する[ref.1,2,3]。テロメアは細胞分裂のたびに短くなり [ref.4]、臨界テロメア長に達すると、DNA損傷反応が誘発され、細胞の老化またはアポトーシスを引き起こす [ref.5, 6]。

　細胞分裂数の限定を回避するため、腫瘍はテロメア維持機構（TMM）としてテロメラーゼの活性化[ref.7]またはalternative lengthening of telomeres（ALT）[ref.8](参考)を採用している。テロメラーゼは、染色体末端にt型リピートを付加する酵素である[ref.9]。対照的に、ALTはテロメア領域の組換えに基づいており、不均一な長さのテロメア[ref.8]および配列構成[ref.3、10]を含むいくつかの特徴をもたらす。

　これらのTMMは腫瘍形成に極めて重要であり、がん治療のための貴重な創薬標的となっている[ref.11]。しかし、様々なタイプの腫瘍におけるこれらのメカニズムを正確に同定し、それを阻害するためには、異なるテロメア構造についてのより多くの洞察が必要である。過去数十年の間に、テロメアの長さと ALT の状態を評価するためのいくつかの実験的方法、例えばテロメア qPCR、末端制限断片（TRF）分析、C サークルアッセイなどが確立されてきた [ref.12, 13]。

 ハイスループットシーケンシングの進歩に伴い、テロメア含量を測定する代替方法が登場した。いくつかの研究では、全ゲノムシークエンシング（WGS）データのテロメアリピートを含むショートリード数がテロメア含量を推定するために使用できることが示され、確立された実験的方法と同等の結果が得られている[ref.10, 14, 15, 16, 17, 18]。この種の解析は、最近発表されたいくつかのがん研究[19,20,21]で説明されているように、がんデータにおけるテロメアの特徴についての貴重な洞察をもたらす。ここでは、一致した腫瘍とコントロールペアのために特別に設計されたテロメア含有量を決定するための新しい計算ツール、TelomereHunterを紹介する。既存のツールとは対照的に、TelomereHunterはアラインメント情報を考慮に入れ、テロメア配列中のバリアントリピートの豊富さを報告する。この論文では、TelomereHunterの主な機能を紹介し、ALT陽性およびALT陰性の腫瘍サンプルにおける例示的な結果の解釈について議論し、テロメア含有量推定のための生物学的アッセイと比較してツールを特徴づけ、異なるシーケンスプロトコルがテロメア含有量の定量化に与える影響を評価する。

 

HP

https://www.dkfz.de/en/applied-bioinformatics/telomerehunter/telomerehunter.html

 

インストール

ubuntu18.04のpython2.7環境でテストした（docker使用、ホストmacos10.14）。

依存

operating system: Linux

for telomere read extraction and calculation of telomere content

  • python 2.7.9 (does not work for python 3!)
  • pysam 0.9.0
  • PyPDF2 1.26.0
  • samtools 1.3.1

for visualization

  • R 3.3.0
  • ggplot2 2.1.0
  • reshape2 1.4.1
  • gridExtra 2.2.1
  • RColorBrewer 1.1-2
  • cowplot 0.9.2
  • svglite 1.2.1
#pip (PyPI) 視覚化のためのRのパッケージは別途導入する必要あり。
pip install telomerehunter

> telomerehunter -h

$ telomerehunter -h

 

 

TelomereHunter  Copyright (C) 2015  Lina Sieverling, Philip Ginsbach, Lars Feuerbach

This program comes with ABSOLUTELY NO WARRANTY.

This is free software, and you are welcome to redistribute it

under certain conditions. For details see the GNU General Public License

in the license copy received with TelomereHunter or <http://www.gnu.org/licenses/>.

 

 

TelomereHunter 1.1.0

 

 

usage: telomerehunter [-h] [-ibt TUMOR_BAM] [-ibc CONTROL_BAM] -o OUTPUT_DIR

                      -p PID [-b BANDING_FILE] [-rt REPEAT_THRESHOLD_SET]

                      [-rl] [-mqt MAPQ_THRESHOLD] [-d]

                      [-r REPEATS [REPEATS ...]] [-con] [-gc1 LOWERGC]

                      [-gc2 UPPERGC] [-nf]

                      [-rc TVRS_FOR_CONTEXT [TVRS_FOR_CONTEXT ...]]

                      [-bp BP_CONTEXT] [-pl] [-pff {pdf,png,svg,all}] [-p1]

                      [-p2] [-p3] [-p4] [-p5] [-p6] [-p7] [-p8] [-prc]

 

Estimation of telomere content from WGS data of a tumor and/or a control

sample.

 

optional arguments:

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

  -ibt TUMOR_BAM, --inputBamTumor TUMOR_BAM

                        Path to the indexed input BAM file of the tumor

                        sample.

  -ibc CONTROL_BAM, --inputBamControl CONTROL_BAM

                        Path to the indexed input BAM file of the control

                        sample.

  -o OUTPUT_DIR, --outPath OUTPUT_DIR

                        Path to the output directory into which all results

                        are written.

  -p PID, --pid PID     Sample name used in output files and diagrams

                        (required).

  -b BANDING_FILE, --bandingFile BANDING_FILE

                        Path to a tab-separated file with information on

                        chromosome banding. The first four columns of the

                        table have to contain the chromosome name, the start

                        and end position and the band name. The table should

                        not have a header. If no banding file is specified,

                        the banding information of hg19 will be used.

  -rt REPEAT_THRESHOLD_SET, --repeatThreshold REPEAT_THRESHOLD_SET

                        The number of repeats needed for a read to be

                        classified as telomeric. If no repeat threshold is

                        defined, TelomereHunter will calculate the

                        repeat_threshold depending on the read length with the

                        following formula: repeat_threshold =

                        floor(read_length * 6/100)

  -rl, --perReadLength  Repeat threshold is set per 100 bp read length. The

                        used repeat threshold will be: floor(read_length *

                        repeat_threshold/100) E.g. Setting -rt 8 -rl means

                        that 8 telomere repeats are required per 100 bp read

                        length. If the read length is 50 bp, the threshold is

                        set to 4.

  -mqt MAPQ_THRESHOLD, --mappingQualityThreshold MAPQ_THRESHOLD

                        The mapping quality needed for a read to be considered

                        as mapped (default = 8).

  -d, --removeDuplicates

                        Reads marked as duplicates in the input bam file(s)

                        are removed in the filtering step.

  -r REPEATS [REPEATS ...], --repeats REPEATS [REPEATS ...]

                        List of telomere repeat types to search for. Reverse

                        complements are automatically generated and do not

                        need to be specified! By default, TelomereHunter

                        searches for t-, g-, c- and j-type repeats (TTAGGG

                        TGAGGG TCAGGG TTGGGG).

  -con, --consecutive   Search for consecutive repeats.

  -gc1 LOWERGC, --lowerGC LOWERGC

                        Lower limit used for GC correction of telomere

                        content. The value must be an integer between 0 and

                        100 (default = 48).

  -gc2 UPPERGC, --upperGC UPPERGC

                        Upper limit used for GC correction of telomere

                        content. The value must be an integer between 0 and

                        100 (default = 52).

  -nf, --noFiltering    If the filtering step of TelomereHunter has already

                        been run previously, skip this step.

  -rc TVRS_FOR_CONTEXT [TVRS_FOR_CONTEXT ...], --repeatsContext TVRS_FOR_CONTEXT [TVRS_FOR_CONTEXT ...]

                        List of telomere variant repeats for which to analyze

                        the sequence context. Reverse complements are

                        automatically generated and do not need to be

                        specified! Counts for these telomere variant repeats

                        (arbitrary and singleton context) will be added to the

                        summary table. Default repeats: TCAGGG TGAGGG TTGGGG

                        TTCGGG TTTGGG ATAGGG CATGGG CTAGGG GTAGGG TAAGGG).

  -bp BP_CONTEXT, --bpContext BP_CONTEXT

                        Number of base pairs on either side of the telomere

                        variant repeat to investigate. Please use a number

                        that is divisible by 6.

  -pl, --parallel       The filtering, sorting and estimating steps of the

                        tumor and control sample are run in parallel. This

                        will speed up the computation time of TelomereHunter.

  -pff {pdf,png,svg,all}, --plotFileFormat {pdf,png,svg,all}

                        File format of output diagrams. Choose from pdf

                        (default), png, svg or all (pdf, png and svg).

  -p1, --plotChr        Make diagrams with telomeric reads mapping to each

                        chromosome. If none of the options p1/p2/p3/p4/p5/p6

                        are chosen, all diagrams will be created.

  -p2, --plotFractions  Make a diagram with telomeric reads in each fraction

                        (intrachromosomal, subtelomeric, junction spanning,

                        intratelomeric). If none of the options

                        p1/p2/p3/p4/p5/p6 are chosen, all diagrams will be

                        created.

  -p3, --plotTelContent

                        Make a diagram with the gc corrected telomere content

                        in the analyzed samples. If none of the options

                        p1/p2/p3/p4/p5/p6 are chosen, all diagrams will be

                        created.

  -p4, --plotGC         Make a diagram with GC content distributions in all

                        reads and in intratelomeric reads. If none of the

                        options p1/p2/p3/p4/p5/p6 are chosen, all diagrams

                        will be created.

  -p5, --plotRepeatFreq

                        Make histograms of the repeat frequencies per

                        intratelomeric read. If none of the options

                        p1/p2/p3/p4/p5/p6 are chosen, all diagrams will be

                        created.

  -p6, --plotTVR        Make plots for telomere variant repeats.

  -p7, --plotSingleton  Make plots for singleton telomere variant repeats.

  -p8, --plotNone       Do not make any diagrams. If none of the options

                        p1/p2/p3/p4/p5/p6/p7/p8 are chosen, all diagrams will

                        be created.

  -prc, --plotRevCompl  Distinguish between forward and reverse complement

                        telomere repeats in diagrams.

 

Contact Lina Sieverling (l.sieverling@dkfz-heidelberg.de) for questions and

support.

 

dockerイメージのビルド

git clone https://github.com/cancerit/telomerehunter-docker.git
cd telomerehunter-docker/
docker build -t telomerehunter .

 

 

実行方法

tumorとcontrol（任意）のbamを指定する。

telomerehunter -p prefix -o outdir -ibt tumor.bam -ibc control.bam
  • -ibt    Path to the indexed input BAM file of the tumor  sample.
  • -ibc   Path to the indexed input BAM file of the control  sample.
  • -o     Path to the output directory into which all results are written.
  • -p     Sample name used in output files and diagrams (required).

 

 

引用

TelomereHunter – in silico estimation of telomere content and composition from cancer genomes

Lars Feuerbach, Lina Sieverling, Katharina I. Deeg, Philip Ginsbach, Barbara Hutter, Ivo Buchhalter, Paul A. Northcott, Sadaf S. Mughal, Priya Chudasama, Hanno Glimm, Claudia Scholl, Peter Lichter, Stefan Fröhling, Stefan M. Pfister, David T. W. Jones, Karsten Rippe, Benedikt Brors
BMC Bioinformatics volume 20, Article number: 272 (2019)