(SARS-CoV-2) シーケンシングリードの迅速なデコンタミネーションを行う ReadItAndKeep

　臨床検体から得られたウイルス配列データには、人為的な汚染が含まれていることが多い。これらは、法的・倫理的な理由により、共有する前に除去する必要がある。ホストリードの除去を可能にし、低スペックのノートパソコンでSARS-CoV-2のシーケンスデータを扱うために、本著者らはReadItAndKeepを開発した。これはSARSCoV-2ゲノムに一致するリードのみを保持する、イルミナデータおよびナノポアデータ用の高速軽量ツールである。ピーク時のRAM使用量は通常10MB以下、実行時間は1分未満となっている。(一部略) ReadItAndKeepはC++で実装されており、MITライセンスにて、https://github.com/GenomePathogenAnalysisService/で公開されている。

インストール

condaで導入した (ubuntu18)。また、docker imageをビルドしてテストした。

Github

#conda (bioconda link)
mamba create -n RIAK -y
conda activate RIAK
mamba install -c bioconda read-it-and-keep -y

#from source
git clone https://github.com/GenomePathogenAnalysisService/read-it-and-keep.git
cd read-it-and-keep/src/
make -j

#Singularity container
sudo singularity build readItAndKeep.sif Singularity.def

#docker
cd read-it-and-keep/
docker build -f Dockerfile -t <TAG> .

> readItAndKeep -h

Usage: readItAndKeep [OPTIONS]

Options:

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

--tech TEXT Sequencing technology, must be 'illumina' or 'ont' [illumina]

--ref_fasta TEXT:FILE REQUIRED

Reference genome FASTA filename

--reads1 TEXT:FILE REQUIRED Name of first reads file

--reads2 TEXT:FILE Name of second reads file, ie mates file for paired reads

-o,--outprefix TEXT REQUIRED

Prefix of output files

--enumerate_names Rename the reads 1,2,3,... (for paired reads, will also add /1 or /2 on the end of names)

--debug Debug mode. More verbose and writes debugging files

--min_map_length UINT Minimum length of match required to keep a read in bp [50]

--min_map_length_pc FLOAT Minimum length of match required to keep a read, as a percent of the read length [50.0]

-V,--version Show version and exit

テストラン

SRAのデータを使用してランした。リファレンス配列（ターゲット配列）、シークエンシングリード、出力prefixを指定する。

#illumina
cd tests/
readItAndKeep --ref_fasta MN908947.3.fa --reads1 read_1.fastq.gz --reads2 read_2.fastq.gz -o out

--tech Sequencing technology, must be 'illumina' or 'ont' [illumina]
--ref_fasta Reference genome FASTA filename
--reads1 Name of first reads file
--reads2 Name of second reads file, ie mates file for paired reads
-o Prefix of output files