结构变异SV的鉴定--smartie-sv与bayestyper

2020-05-08 本文已影响0人群体遗传学

最近一直在折腾结构变异SV的鉴定，SV的鉴定软件虽然很多，但是在最近的两篇基因组文章里面，主要用的是smartie-sv和bayesTyper，其中smartie-sv主要用于基因组间的比较，也可以用于三代数据的比较；bayesTyper主要用于二代数据的SV鉴定，适用于群体，速度较快。

参考文献:
[1] Genome assembly of a tropical maize inbred line provides insights into structural variation and crop improvement
[2] Eight high-quality genomes reveal pan-genome architecture and ecotype differentiation of Brassica napus

smartie-sv的安装

smartie-sv的详细信息在这里.

1. smartie-sv的安装，需要依赖htslib和blasr

$ git clone --recursive https://github.com/zeeev/smartie-sv.git #获取samrtie-sv
$ cd smartie-sv && make

2. hstlib的安装

$ git clone https://github.com/samtools/htslib.git
$ autoconf 
$ ./configure
$ make
$ make install

3. blasr的安装

$ wget https://github.com/PacificBiosciences/blasr/archive/master.zip -O blasr.zip
$ unzip blasr.zip
$ mv blasr-master/ blasr
$ cd blasr
$ make -j 8

4. smartie-sv的配置

smartie-sv需要用到htslib的bgzip、htsfile、tabix，以及blasr的blasr、sawriter，所以我们需要把5个可执行文件链接到smartie-sv的bin文件夹下，以便smartie-sv对其的调用。

$ cd smartie-sv/bin
$ ln -s ../../htslib/bin/bgzip ./
$ ln -s ../../htslib/bin/htsfile ./
$ ln -s ../../htslib/bin/tabix ./
$ ln -s ../../blasr/alignment/bin/blasr ./
$ln -s ../../blasr/alignment/bin/sawriter ./

bin目录.png

5. smartie-sv的使用

smartie-sv的使用在官方的README.md有示例，它支持snakename的命令。

$ bin/sawriter target.fasta #利用sawriter对基因组进行index
# 本地运行时
$ snakemake -s Snakefile -w 50 -p -k -j 20

6. 运行结果

# Snakefile内容，在安装目录"smartie-sv/pipeline/Snakefile"位置，定义call SV等方法，便于流程使用
shell.prefix("source config.sh; set -eo pipefail ; ")

configfile: "config.json"

def _get_target_files(wildcards):
    return config["targets"][wildcards.target]

def _get_query_files(wildcards):
        return config["queries"][wildcards.query]

rule dummy:
     input: expand("variants/{target}-{query}.svs.bed", target=config["targets"], query=config["queries"])

rule callSVs:
     message: "Calling SVs"
     input  : SAM="mappings/{target}-{query}-aligned.sam", TARGET=_get_target_files, PG=config["install"] + "/bin/printgaps"
     output : "variants/{target}-{query}.svs.bed"
     shell  : """
            cat {input.SAM} | {input.PG} {input.TARGET} variants/{wildcards.target}-{wildcards.query}
     """

rule runBlasr:
     message: "Aligning query to target"
     input:   BL=config["install"] + "/bin/blasr", TARGET=_get_target_files, QUERY=_get_query_files
     output:  "mappings/{target}-{query}-aligned.sam", "unmappings/{target}-{query}-unaligned.fasta"
     shell:   """
              {input.BL} -clipping hard -alignContigs -sam -minMapQV 30 -nproc 6 -minPctIdentity 50 -unaligned {output[1]} {input.QUERY} {input.TARGET} -out {output[0]}
     """

我们需要修改的只有文件"config.json"，主要包含smartie-sv的目录，参考基因组文件和比对基因组文件，以json格式存在。

{
"install":"smartie-sv",             #最好写绝对路径
"targets":{"zs11":"Darmor.fa"},
"queries":{"Darmor":"Darmor.fa"},
}

最后生成三个文件夹，mappings、unmappings和variants，sv信息主要在variants文件

结果文件.png

其中zs11-Darmor.svs.bed包含SV的信息，以bed格式存在。

zs11-Darmor.svs.bed.png

bayesTyper的安装

bayesTyper的详细信息在这里.
Platypus的详细信息在这里.
Manta的详细信息在这里.

bayesTyper的官网文档推荐使用三种方法鉴定变异（GATK、Platypus和manta），然后利用bayesTyperTools对变异文件进行合并，然后利用bayesTyper的cluster进行cluster，最后利用bayesTyper的genotype进行基因分型。

1. bayesTyper安装

bayesTyper的安装非常简单，安装完成后会在bin目录下生成bayesTyper 和bayesTyperTools两个可执行文件

$ git clone https://github.com/bioinformatics-centre/BayesTyper.git
$ cd BayesTyper && make -j 4

2. Platypus的安装

$ git clone https://github.com/andyrimmer/Platypus.git
$ cd Platypus && make -j 4
# 使用platypus的只需运行bin目录下的Platypus.py
$ python bin/Platypus.py --bamFiles=BAM.bam --refFile=REF.fa --output=variants.vcf

3. manta的安装：

manta采用的是cmake的方式，所以要另外新建一个安装目录，另外manta需采用python 2.7 版本，以及需要Cython模块。安装成功后会在bin目录下生成三个文件，configManta.py、configManta.py.ini和runMantaWorkflowDemo.py，我们主要用的就是configManta.py。

$ git clone https://github.com/Illumina/manta.git
$ make manta_build && cd manta_build
$ ../manta-1.6.0/configure --prefix=`pwd`
$ make -C /public/home/guocc/software/manta_build
$ make -j4 install

4. bayesTyper的使用

在官方文档中，鉴定变异的主要流程分为2大部分：

4.1：Generation of variant candidates（候选变异的生成）

以比对完的bam文件（推荐以bwa的mem）为起始，分为一下几个步骤：

4.1.1 用GATK的HaplotypeCaller模块鉴定候选位点。
4.1.2 用Platypus鉴定小的以及中等的变异
4.1.3 用manta鉴定大的结构变异
4.1.4 利用bayesTyperTools的combine功能对以上三种方法的结果进行合并，合并命令为:

$ bayesTyperTools combine -v GATK:<gatk_sample1>.vcf,GATK:<gatk_sample2>.vcf,PLATYPUS:<platypus_sample1>.vcf,PLATYPUS:<platypus_sample2>.vcf,MANTA:<manta_sample1>.vcf,...,prior:<prior>.vcf -o <candiate_variants_prefix> -z

注意这里-v参数后面接的是字符串，为gatk:sample.vcf格式，各个样品间用“，”分隔，参数-z 表示以压缩格式gz输出。
bayesTyper的combine格式需要一个参数文件–contigs.txt，里面包含基因组的所有contig信息。格式为##contig=<ID=8,length=146364022>.

4.2 Genotyping based on variant candidates（基于候选变异的基因分型）

4.2.1 计算测序数据的 k-mers

这里主要用的KMC3来对比对后的bam文件进行kmer的统计，参数为（-k55 -ci1 -fbam)
计算完kmer后，用bayesTyperTools makeBloom -k <kmc_output_prefix> -p <num_threads>生成bayesTyper需要的前提文件。
kmc生成的为<sample_id>.kmc_pre和<sample_id>.kmc_suf两个文件，bayesTyperTools makeBloom生成的为<sample_id>.bloomMeta和<sample_id>.bloomData两个文件，这里一定要在同一文件下运行，且前缀名一致。

4.2.2 鉴定变异的cluster

运行命令：

$ bayesTyper cluster -v <candiate_variants_prefix>.vcf.gz -s <samples>.tsv -g <ref_build>_canon.fa -d <ref_build>_decoy.fa -p <num_threads>

所有的结果都会按cluster分成很多个unit，存在独立的文件
文件<sample>.tsv包含的信息为<sample_id>，<sex>和<kmc_output_prefix>.
cluster的结果输出在bayestyper_cluster_data目录

4.2.3 对cluster进行genotype

bayesTyper genotype -v bayestyper_unit_<unit_id>/variant_clusters.bin -c bayestyper_cluster_data -s <samples>.tsv -g <ref_build>_canon.fa -d <ref_build>_decoy.fa -o bayestyper_unit_<unit_id>/bayestyper -z -p <num_threads>

4.2.4 利用bcftools对结果进行合并

bcftools concat -O z -o <output_prefix>.vcf.gz bayestyper_unit_1/bayestyper.vcf.gz bayestyper_unit_2/bayestyper.vcf.gz ...

此贴为记录我的爬坑之路，因为之前百度都没有找到任何与这两个软件相关的信息，所以很是头疼。希望能帮到大家，供大家参考。
以上就是全部步骤，最后两步还没跑通，等跑通后再做分享。

![image.png](https://img.haomeiwen.com/i18925383/84b8f660f7f679fa.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 =100x30)