MOSAIKは、第2世代および第3世代のシーケンシング リードをリファレンスゲノムにマッピングするための安定した高感度のオープンソース プログラムである。現在のマッピングツールの中でも特に優れているMOSAIKは、Illumina、Applied Biosystems SOLiD、Roche 454、Ion Torrent、Pacific BioSciences SMRTなど、すべての主要なシーケンシング技術で生成されたリードをアラインメントすることができる。実際、MOSAIKは、1000 Genomesプロジェクトで生成されたすべてのデータ（シーケンシング技術、ローカバレッジ、エクソーム）に対して一貫したマッピングを提供した唯一のアライナーだった。高精度のアラインメントを提供するために、MOSAIKはSmith-Watermanアルゴリズムと結合したハッシュクラスタリング戦略を採用している。この方法は、ミスマッチだけでなく、短い挿入や欠失も捉えるのに適している。より大きな構造バリアント（SV）発見への関心の高まりをサポートするために、MOSAIKは、既知配列のSVを扱うための明示的なサポートを提供し、SV発見を支援するためにカスタマイズされた出力を生成する。すべてのバリアント発見は、リードの配置の信頼性の正確な記述から利益を得ることができる。この目的のために、MOSAIKはニューラルネットワークベースのトレーニングスキームを使用して、よくキャリブレーションされたマッピング品質スコアを提供する。あらゆるゲノムの研究を確実にサポートするために、調査対象のゲノムに対して最適なマッピング品質スコアを保証するためのトレーニングパイプラインが提供されている。MOSAIKはマルチスレッドでオープンソースであり、著者らのコマンドとパイプラインランチャーシステムGKNO（http://gkno.me）に組み込まれている（*おそらく公開は終了しています）。
https://code.google.com/archive/p/mosaik-aligner/
https://github.com/wanpinglee/MOSAIK/wiki/QuickStart
インストール
macos10.14とubuntu18.04LTSでテストした(python3.8環境)。
依存
#bioconda (link)
conda install -c bioconda mosaik
> MosaikAligner -h
$ MosaikAligner -h
Description: pairwise aligns a MOSAIK read file.
Usage: MosaikAligner -in <filename> -out <filename> -ia <filename>
Input/output: (required):
-ia <MOSAIK reference filename> the input reference file
-in <MOSAIK read filename> the input read file
-out <MOSAIK alignment filename> the output alignment file
-ibs <MOSAIK reference filename> enables colorspace to basespace conversion
using the supplied BASESPACE reference
archive
-annpe <Neural network filename>
-annse <Neural network filename>
Essential parameters:
-a <algorithm> alignment algorithm: [fast, single, multi,
all]. def: all
-m <mode> alignment mode: [unique, all]. def: all
-hs <hash size> hash size [4 - 32]. def: 15
Filtering:
-act <threshold> the alignment candidate threshold (length)
-ls <radius> enable local alignment search for PE reads
-mhp <hash positions> the maximum # of positions stored per seed
-mhr <hash regionss> the maximum # of regions for aligning
-min <nucleotides> the minimum # of aligned nucleotides
-minp <percent> the minimum alignment percentage [0.0 -
1.0]
-mm <mismatches> the # of mismatches allowed
-mmp <threshold> the percentage of mismatches allowed [0.0
- 1.0]
-ncg not count gaps as mismatches
Performance:
-p <processors> uses the specified number of processors
-bw <bandwidth> specifies the Smith-Waterman bandwidth.
def: 9
-lm enable low-memory functions
Jump database:
-j <filename stub> uses the specified jump database
-kd keeps the keys file on disk
-pd keeps the positions file on disk
-sref <reference prefixes> specifies the prefixes of special
references
-srefn <hashes> the maximum special hashes
Reporting:
-statmq <threshold> enable mapping quality threshold for
statistical map [0 - 255]
-omi output chromosome ids and positions of
multiply mapped alignments in the
multiple.bam
-om output complete multiply mapped alignments
in the multiple.bam
-zn output zn tags
Pairwise Alignment Scores:
-ms <match score> the match score. def: 10.00
-mms <mismatch score> the mismatch score. def: -9.00
-gop <gap open penalty> the gap open penalty. def: 15.00
-gep <gap extend penalty> the gap extend penalty. def: 1.00
-hgop <gap open penalty> enables the homopolymer gop. def: 4.00
Interface Options:
-quiet disable progress bars and counters
Help:
--help, -h shows this help text
> MosaikBuild
$ MosaikBuild
Description: converts external read formats to native MOSAIK formats.
Usage: MosaikBuild [OPTIONS] [-out|-oa] <filename>
Conversion (Reference Sequence):
-cs translate reference to colorspace
-fr <FASTA reference filename> the FASTA reference sequences file
-ga <genome assembly ID> the genome assembly ID. e.g. HG18
-oa <MOSAIK reference filename> the output reference file
-sn <species name> the species name. e.g. "Homo sapiens"
-uri <uniform resource ID> the URI (e.g. URL or URN)
Conversion (FASTA):
-fr <FASTA read filename> the FASTA reads file
-fq <FASTA quality filename> the FASTA base qualities file
-fr2 <FASTA read filename> the FASTA 2nd mate
-fq2 <FASTA quality filename> the FASTA BQ 2nd mate
-assignQual <base quality> assigns a quality for each base
Conversion (FASTQ):
-q <FASTQ filename or directory> the FASTQ file or directory
-q2 <FASTQ filename or directory> the FASTQ 2nd mate
Conversion (Short Read Format):
-srf <SRF filename or directory> the SRF file or directory
Conversion (Illumina Bustard):
-bd <Bustard directory> the Illumina Bustard directory
-il <lanes> the desired lanes e.g 5678 for lanes 5-8
-split splits the read into two mates
Conversion (Illumina Gerald):
-gd <Gerald directory> the Illumina Gerald directory
-il <lanes> the desired lanes e.g 5678 for lanes 5-8
Read Archive Metadata:
-cn <center name> sequencing center name. e.g. broad
-ds <description> read group description
-id <identifier> read group ID. e.g. SRR009060
-ln <library name> library name. e.g. g1k-sc-NA18944-JPT-1
-mfl <median fragment length> median fragment length. e.g. 150
-pu <run name & lane> the platform unit. e.g. IL12_490_5
-sam <sample name> sample name. e.g. NA12878
-st <sequencing technology> sets the sequencing technology: '454',
'helicos', 'illumina', 'illumina_long',
'sanger' or 'solid'
Read Archive Options:
-out <MOSAIK read filename> the output read file
-tp <# of beginning bases> trims the first # of bases
-ts <# of end bases> trims the last # of bases
Interface Options:
-quiet disable progress bars and counters
Help:
--help, -h shows this help text
> MosaikJump
$ MosaikJump
------------------------------------------------------------------------------
MosaikJump 2.2.26 2014-03-28
Wan-Ping Lee & Michael Stromberg Marth Lab, Boston College Biology Department
------------------------------------------------------------------------------
Description: produces a jump database from a MOSAIK reference file.
Usage: MosaikJump -ia <filename> -out <filename> -hs <hash size>
Input:
-ia <MOSAIK reference filename> the input reference file
Output:
-out <jump filename stub> the stub for the output filenames
Options:
-kd keeps the keys database on disk
-mem <GB> the amount memory used when sorting
hashes. def: 2
-hs <hash size> the hash size [4 - 32]
Help:
--help, -h shows this help text
> MosaikText
$ MosaikText
------------------------------------------------------------------------------
MosaikText 2.2.26 2014-03-28
Wan-Ping Lee & Michael Stromberg Marth Lab, Boston College Biology Department
------------------------------------------------------------------------------
Description: exports reads and alignments from MOSAIK.
Usage: MosaikText -in <filename> -out <filename> -ia <filename>
Read Archive Options:
-ir <MOSAIK read filename> the input read file
-fastq <FASTQ filename> stores the data in a FASTQ file
-screen displays the reads on the screen
Alignment Archive Options:
-in <MOSAIK alignment filename> the input alignment file
-axt <axt filename> stores the data in an AXT file
-bam <bam filename> stores the data in a BAM file
-bed <bed filename> stores the data in a BED file
-eland <eland filename> stores the data in an Eland file
-ref <reference sequence name> displays output for a specific reference
-sam <sam filename> stores the data in a SAM file
-screen displays the alignments on the screen
-u limit output to unique reads
Help:
--help, -h shows this help text
テストラン
git clone https://github.com/wanpinglee/MOSAIK.git
cd MOSAIK/src/
make
#condaで導入しているならビルドせずにbin/にシンボリックリンクを張ってもOK
#test run
cd ../demo/
./Build.sh
./Align.sh
実行方法
１、リファレンスfastaとシークエンシングリードのfastqのバイナリフォーマットへの変換
#ref fasta
MosaikBuild -fr reference.fa -oa reference.dat
#illumina fastq
MosaikBuild -q pair_1.fq -q2 pair_2.fq -out read.mkb -st illumina
- -fr <FASTA reference filename> the FASTA reference sequences file
- -oa <MOSAIK reference filename> the output reference file
- -q <FASTQ filename or directory> the FASTQ file or directory
- -q2 <FASTQ filename or directory> the FASTQ 2nd mate
- -st <sequencing technology> sets the sequencing technology: '454',
'helicos', 'illumina', 'illumina_long', 'sanger' or 'solid' - -out <MOSAIK alignment filename> the output alignment file
reference.daとread.mkbファイルが出力される。
２、マッピング
/MOSAIK/src/networkFileに2.1.78.pe.annと2.1.78.se.annが含まれている。
MosaikAligner -in read.mkb -out read.mka -ia reference.dat -annpe MOSAIK/src/networkFile/2.1.78.pe.ann -annse MOSAIK/src/networkFile/2.1.78.se.ann
- -out <MOSAIK alignment filename> the output alignment file
- -ia <MOSAIK reference filename> the input reference file
- -annpe <Neural network filename>
- -annse <Neural network filename>
read.mka.bamとread.mka.statファイルが出力される。
引用
MOSAIK: a hash-based algorithm for accurate next-generation sequencing short-read mapping
Wan-Ping Lee, Michael P Stromberg, Alistair Ward, Chip Stewart, Erik P Garrison, Gabor T Marth
PLoS One. 2014 Mar 5;9(3):e90581. 2014
関連
