「r<-工具」在 Hiplot 中使用 Sigflow
介绍
突变模式(印记)分析(mutational signature analysis)目前已经成为变异检测后一个重要分析流程,它能够揭示癌症组织样本受哪些内外界因素的影响以及其贡献大小。
Sigflow 是基于突变模式分析 R 包 sigminer 所构建的命令行流程软件,提供了几大突变模式分析流程,便于组学流程的对接与自动化分析。
在 Hiplot 平台上,目前 Sigflow 开放了 2 个核心的子命令 extract
和 fit
。
-
extract
:自动利用非负矩阵分解(NMF)算法从头识别突变模式,并将其与 COSMIC 突变模式数据库进行相似性分析,输出突变模式图谱,突变模式贡献图谱,聚类结果等。 -
fit
:直接利用 COSMIC 突变模式数据库进行拟合分析,提供参考突变模式在样本中的贡献,输出突变模式贡献图以及相关结果。
使用
在 Hiplot 平台的进阶模块中,我们可以找到 Sigflow。
image-20200809174040904点击即可进行工具使用界面。
点击数据文件右侧的突变,可以载入示例输入文件。一般而言,我们推荐使用标准的 MAF 格式文件作为 SBS/DBS/INDEL 突变模式提取的输入(包含同样数据信息的 CSV/EXCEL 格式文件也支持);提取拷贝数突变模式的输入文件需要包含以下列:
- 'Chromosome' - 染色体名称,如 "chr1"
- 'Start.bp' - 片段起点
- 'End.bp' - 片段终点
- 'modal_cn' - 片段绝对拷贝数(整数)
- 'sample': - 样本 ID
extract 命令
该命令推荐在突变记录多、样本多的情况下使用。
经过简化,extract
命令只需要设置 4 个参数:
- 基因组版本
- hg19
- hg38
- mm10
- 模式
- SBS - 单碱基替换
- DBS - 双碱基替换
- ID - 插入和删除
- MAF - 包含上面 3 种
- CN - 拷贝数
- 最大 signature 数:默认是 -1,根据程序内部的设定运行。用户可以从 2 调整到更大的数目。根据 TCGA 数据的分析显示,一般各类癌症亚型的突变模式在 5 个及以下。
- NMF 运行次数:由于 NMF 算法存在起点的随机性,为了得到更好的结果,需要多次运行 NMF,一般推荐 30 到 50 左右。
设定好选项后点击「提交」运行程序。
image-20200809175702701运行时间受到输入数据大小和最后两个选项的设定影响(10几分钟到数小时),请耐心等待程序结束。
任务完成后,在界面下方可以预览一些输出结果图表,推荐点击结果预览右下侧的下载按钮下载所有的结果图表📈。
image-20200810104231480fit 命令
fit 命令只需要设定 extract 命令提及的前 2 个参数,不再赘述。
fit 命令使用的是动态规划算法寻找输入数据基于 COSMIC 参考突变模式的最佳线性组合,算法很快,一般数百个样本的处理过程可以在数分钟内完成。
image-20200809180522245在 fit 的结果中,被 COSMIC 数据库标记为 artifact 的突变模式结果被去除了。
任务完成后,在界面下方可以预览一些输出结果图表,推荐点击结果预览右下侧的下载按钮下载所有的结果图表📈。
image-20200810104234573