（ナノポア）ホモポリマーやタンデムリピート領域からのパイルアップバリアントコーリングを改善する nPoRe

　ナノポアのベースコーリング精度は近年向上しているが、生殖細胞における小さな挿入・欠失（INDEL）のバリアントコーリングは依然として低い。一塩基多型（SNPs）の精度と再現性は現在、定期的に99.5％を超えているが、比較的高いカバー率（85×）でのINDEL recallは、標準的なR9.4.1フローセルでは80％以下にとどまっている。現在のナノポアバリアントコーラーは2段階で動作する。効率的なパイルアップベースのメソッドが目的の候補を特定し、次に高価なフルアライメントモデルが最終的なバリアントコールを提供する。特に低複雑度反復領域では、偽陰性INDELのほとんどが第1段階（pileup-based）で失われている。本著者らは、リードの位相調整と再調整により、この段階で失われたINDELの大部分を回復することができることを示す。特に、ホモポリマー（n = 1）やタンデムリピート（2 ≤ n ≤ 6）のような繰り返しnポリマー配列をより正確にアライメントするために、新しいギャップペナルティを導入してNeedleman-Needleman-Wunsch affine gap alignmentを拡張している。60.6×カバレッジのデータセットにおいて、ハプロタイプフェージングにより、すべての評価済み高信頼領域におけるINDEL recall が63.76%から70.66%に向上し、さらにnPoReリアラインメントにより、精度を落とすことなく73.04%に向上した。

インストール

dockerhubで公開されているDockerイメージを使用した。

Github

#Source
git clone https://github.com/TimD1/npore && cd npore
make
. ./venv3/bin/activate
python3 ./src/realign.py --help

#Dockerrhub(link)
docker pull timd1/npore:v0.1.0
docker run -it timd1/npore:latest python3 realign.py --help

> realign.py

usage: realign.py [-h] --bam BAM --ref REF --out_prefix OUT_PREFIX [--contig CONTIG] [--contig_beg CONTIG_BEG] [--contig_end CONTIG_END] [--contigs CONTIGS] [--max_reads MAX_READS] [--bed BED] [--max_n MAX_N] [--max_l MAX_L]

[--chunk_width CHUNK_WIDTH] [--stats_dir STATS_DIR] [--plot] [--recalc_cms] [--recalc_exit]

optional arguments:

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

--bam BAM Input BAM to be realigned. (default: None)

--ref REF Input reference FASTA. (default: None)

--out_prefix OUT_PREFIX

Output SAM file prefix. (default: None)

--contig CONTIG Allows specifying a single contig to realign, can be used in combination with '--contig_beg' and '--contig_end'. Reads outside this region are ignored and not included in the output. (default: None)

--contig_beg CONTIG_BEG

Start of realigned region. (default: None)

--contig_end CONTIG_END

End of realigned region. (default: None)

--contigs CONTIGS Allows specifying multiple contigs to realign. (default: None)

--max_reads MAX_READS

Allows limiting the number of realigned reads. If zero, all reads in the selected region are realigned. (default: 0)

--bed BED Allows specifying arbitrary realigned regions using a BED file. (default: None)

--max_n MAX_N Maximum n-polymer length (period of repeating sequence) considered during read realignment. (default: 6)

--max_l MAX_L Maximum length (number of times a repeated sequence occurs) considered during read realignment. (default: 100)

--chunk_width CHUNK_WIDTH

BAM is considered in chunks of size '--chunk_width' at a time when calculating confusion matrices. (default: 100000)

--stats_dir STATS_DIR

Directory containing confusion matrices storing measured probabilities of SUBs, INDELs, and N-polymer CNVs. (default: ./stats)

--plot Plot confusion and score matrices, exit without realigning. (default: False)

--recalc_cms Recalculate confusion matrices using provided BAM. (default: False)

--recalc_exit Exit after recalculating confusion matrices, without realigning. (default: False)

テストラン

ここではdockerを使う。realign.pyはBAMファイルのリアラインメントを行うモジュールで、リアラインメント結果はsam形式で出力される。bam、リファレンスのfastaファイルなどを指定する。

git clone https://github.com/TimD1/nPoRe.git
cd nPoRe/test/data/
sudo docker run -itv $PWD:/data --rm timd1/npore:latest python3 realign.py --bam /data/reads.bam --ref /data/ref.fasta --out_prefix /data/realigned --stats_dir /opt/bin/npore/guppy5_stats

出力例

npore_realigned.samが生じる。