Paragraph对SV进行基因分型

基于重测序数据用于对sv进行genotype.

githup: https://github.com/Illumina/paragraph
相关文章：Chen, S. et al. Paragraph: a graph-based structural variant genotyper for short-read
sequence data. Genome Biol. 20, 291 (2019).

1、安装

可以参考 doc/installation.md

2、测试数据

安装完成后，bin目录下有运行脚本。

python3 bin/multigrmpy.py -i share/test-data/round-trip-genotyping/candidates.vcf \
                          -m share/test-data/round-trip-genotyping/samples.txt \
                          -r share/test-data/round-trip-genotyping/dummy.fa \
                          -o test \

其中：

• candidates.vcf：候选的SV，vcf格式
• samples.txt:：BAM文件；Tab或者comma分割
• dummy.fa：ref

输出结果如下所示：

输出结果

如果运行成功，genotype.vcf.gz的结果类似expected file

3、 输入文件需求

VCF格式

对于vcf中的SV格式可以使用全部序列，或者symbolic,只要满足VCF 4.0就可以。

样本展示manifest

利用tab分割，包括以下列
必须列：

• id：每个样本的名称必须是唯一
• path：bam文件路径
• depth：整个基因组的平均深度，利用bin/idxdepth计算（比samtools更快）。
• read length: 整个基因组平均reads长度 （bp）
  可选列：
• depth sd:
• depth variance
• sex:M or F，or unknow；影响ChrX和ChrY分型。

运行时间

为了提高效率，建议设置-M参数（针对于一个SV最大的reads 深度），可以跳过这些高深度的区域。建议 -M 参数为自己数据平均样本depth的20倍。

群体 genotype

为了高效的对群体进行genotype，建议首先对单个样本进行genotype，然后在合并；

• 对每一个样本进行操作
• 运行 mulitgram.py，针对于不同的样本的深度，设置不同的 -M 参数。
• 多线程（-t 参数），非常建议加上
• 对所有的genomes.vcf.gz进行合并，得到一个包含所有样本的VCF；可以使用 bcftools merge进行合并。

其他信息

bin目录下的脚本

Bam文件深度统计

• 
  可以快速对bam文件进行全基因组depth计算

bin/idxdepth -b \<bam/cram> -r \<reference fasta> -o \<output>

其输出结果为一个json文件

{
    "autosome": {
        "contigs": [
            "chr1"
        ],
        "depth": 1
    },
    "bam_path": "fake_path.bam",
    "contigs": [
        // ...
    ],
    "read_length": 50,
    "reference": "fake_reference.fa",
    "unaligned_reads": 0
}

图形化序列的read 数量

• 
  grmpy中的核心程序，用于统计图形化序列的read数量。
  输入文件为 JSON文件和一个bam文件+reference。
  输入文件为
  a. 每一个节点和边的read数量
  b. 每一个变异的位置和read数量

Genotyper

• 
  上面以及提过，其基本用法

python3 bin/multigrmpy.py -i \<input\> \
  -m \<manifest> \
  -r \<reference fasta> \
  -o \<output directory>

a. input: 变异的VCF活着JSON文件
b. manifest: BAM文件的一个列表
e.g.

id      path          read length  depth
sample1 sample1.bam   150          50
sample2 sample2.bam   150          50

c. ref.
d. 输出文件

output

other tools

• 
• 
• 
• 
• 
  将多序列比对的fasta结果，转变为vcf格式。
• 
  将图形化的JSON文件变为点图进行可视化。

参考

• https://github.com/Illumina/paragraph
• https://github.com/Illumina/paragraph/blob/master/doc/graph-tools.md