2024/02/12 誤字修正、11/03 コマンド修正
Pacific Biosciences (PacBio)やOxford Nanopore Technologies (ONT)などのロングリードシーケンサーは、そのリード長や精度を向上させ、これまでにない研究を開拓している。ロングリードを解析するためのツールやアルゴリズムも数多く開発されており、PacBioやONTの急速な進歩は、その開発をさらに加速させている。ハイスループットシーケンス技術とその解析ツールの開発とともに、多くのリードシミュレーターが開発され、有効に活用されている。PBSIMは人気のあるロングリードシミュレータの一つである。本研究では、ロングリードのエラーモデル、高忠実度リードシミュレーションのためのマルチパスシーケンス、トランスクリプトームシーケンスシミュレーションの3つの新機能を備えたPBSIM3を開発した。したがって、PBSIM3は幅広いロングリードのシミュレーションの要求を満たすことができる。
インストール
#from source
git clone https://github.com/yukiteruono/pbsim3.git
cd pbsim3/
./configure
make
sudo make install
> ./pbsim
USAGE: pbsim [options]
[general options]
--prefix prefix of output files (sd).
--id-prefix prefix of read ID (S).
--seed for a pseudorandom number generator (Unix time).
[options for whole genome sequencing]
--strategy wgs
--genome FASTA format file (text file only).
--depth depth of coverage (20.0).
--length-min minimum length (100).
--length-max maximum length (1000000).
[options for transcriptome sequencing]
--strategy trans
--transcript original format file.
--length-min minimum length (100).
--length-max maximum length (1000000).
[options for template sequencing]
--strategy templ
--template FASTA format file (text file only).
[options for quality score model]
--method qshmm
--qshmm quality score model.
--length-mean mean length (9000.0).
--length-sd standard deviation of length (7000.0).
--accuracy-mean mean accuracy (0.85).
--pass-num number of sequencing passes (1).
--difference-ratio difference (error) ratio (6:55:39).
(substitution:insertion:deletion)
Each value must be 0-1000, e.g. 1000:1:0 is OK.
Note that the above default value is for PacBio RS II;
22:45:33 for PacBio Sequel and 39:24:36 for ONT are
recommended.
--hp-del-bias bias intensity of deletion in homopolymer (1).
The option specifies the deletion rate at 10-mer, where
the deletion rate at 1-mer is 1. The bias intensity from
1-mer to 10-mer is proportional to the length of the
homopolymer.
[options for error model]
--method errhmm
--errhmm error model.
--length-mean mean length (9000.0).
--length-sd standard deviation of length (7000.0).
--accuracy-mean mean accuracy (0.85).
--pass-num number of sequencing passes (1).
[options for sample-based method]
Note that the method can only be used for wag strategy.
--sample FASTQ format file to sample (text file only).
--sample-profile-id sample (filtered) profile ID.
When using --sample, profile is stored;
'sample_profile_<ID>.fastq', and
'sample_profile_<ID>.stats' are created.
When not using --sample, profile is re-used.
Note that when profile is used, --length-min,max,
--accuracy-min,max would be the same as the profile.
--accuracy-min minimum accuracy (0.75).
--accuracy-max maximum accuracy (1.00).
--difference-ratio difference (error) ratio (6:55:39).
(substitution:insertion:deletion)
Each value must be 0-1000, e.g. 1000:1:0 is OK.
Note that the above default value is for PacBio RS II;
22:45:33 for PacBio Sequel and 39:24:36 for ONT are
recommended.
--hp-del-bias bias intensity of deletion in homopolymer (1).
The option specifies the deletion rate at 10-mer, where
the deletion rate at 1-mer is 1. The bias intensity from
1-mer to 10-mer is proportional to the length of the
homopolymer.
注；バージョンが出ないので古いpbsimと間違えないように注意
実行方法
PBSIM3は、PacBio RS II CLR、PacBio Sequel CLR、PacBio Sequel HiFiおよびONTリードのWGSおよびTS（transcriptome）をシミュレーションできる。
WGS
エラーはリアルリードのFIC-HMMによって生成される。指定するERRHMM-RSII.modelはPacBio RS IIリードから構築したエラーモデル。他にPacBio Sequelリードから構築したエラーモデルERRHMM-SEQUEL.modelと、ONTリードから構築したエラーモデルERRHMM-ONT.modelが用意されている。
cd pbsim3/
pbsim --strategy wgs --method errhmm --errhmm data/ERRHMM-RSII.model --depth 20 --genome sample/sample.fasta
pbsim2と同様、リファレンスの配列それぞれに分かれてfastqとmafファイルが出力される。コンティグ配列それぞれのリファレンス配列も出力される。
レポジトリにはいくつかの例があります。確認して下さい。
その他
- エラーモデルによるシミュレーションリードの品質コードはすべて”!”
引用
PBSIM3: a simulator for all types of PacBio and ONT long reads
Yukiteru Ono, Michiaki Hamada, Kiyoshi Asai
NAR Genomics and Bioinformatics, Volume 4, Issue 4, December 2022
関連
