HLAminer:根据NGS数据确定HLA分型结果

欢迎关注"生信修炼手册"！

PCR-SBT方法是世界卫生组织WHO推崇的HLA 分型的金标准，其实就是指的直接测序，无论是WGS, WES, RNA_seq 数据都可以。近几年来涌现了很多的软件，支持从NGS测序数据直接确定HLA Allel, HLAminer 就是其中之一。

官网如下：

https://github.com/warrenlr/HLAminer

安装过程如下：

wget https://github.com/warrenlr/HLAminer/releases/download/v1.3.1/HLAminer-1.3.1.tar.gz
tar xzvf HLAminer-1.3.1.tar.gz
cd HLAminer-1.3.1/HLAminer_v1.3.1/

下载解压即可，软件目录结构如下：

├── bin
├── database
├── database_bwamem
├── docs
└── test-demo

bin目录下就是所有的可执行脚本，database目录下是所有的数据库文件，包含HLA CDS序列，HLA 基因序列，不同HLA Allel共享的蛋白结构域文件，在database目录下还有对应的bash脚本，可以用于更新数据库。

该软件的架构如下：

HLAminer有两种策略可供选择：基于目的片段组装的HPTASR和基于序列比对的HPRA。 在bin目录下，封装了一系列的bash脚本，可以简化软件的调用。

1. 基于目的片段组装 HPTASR

基于组装的算法精确度高，但是运行速度是它的劣势，对应的bash脚本前缀为HPTASR, 包括以下4个脚本

• HPTASRwgs_classI.sh

• HPTASRwgs_classI-II.sh

• HPTASRrnaseq_classI.sh

• HPTASRrnaseq_classI-II.sh

wgs代表全基因组数据，rnaseq代表转录组数据; class I和class II分别对应HLA I型和II 型基因，根据测序数据的类型和预测的HLA基因的类型，选择对应的bash脚本就可以了。

这些脚本都会读取一个名为patient.fof的配置文件，内容示意如下

rd1.fq
rd2.fq

里面保存的是每个样本R1端和R2端fastq文件的路径。这些bash脚本实际是把多个步骤放在一起了，实际运行时可以根据需要进行修改，

HPTASRrnaseq_classI.sh内容如下

###Run TASR
echo "Running TASR..."
#TASR Default is -k 15 for recruiting reads. You may increase k, as long as k < L/2 where L is the minimum shotgun read length
../bin/TASR -f patient.fof -m 20 -k 20 -s ../database/HLA_ABC_CDS.fasta -i 1 -b TASRhla -w 1
###Restrict 200nt+ contigs
cat TASRhla.contigs |perl -ne 'if(/size(\d+)/){if($1>=200){$flag=1;print;}else{$flag=0;}}else{print if($flag);}' > TASRhla200.contigs
###Create a [NCBI] blastable database
echo "Formatting blastable database..."
../bin/formatdb -p F -i TASRhla200.contigs
###Align HLA contigs to references
echo "Aligning TASR contigs to HLA references..."
../bin/parseXMLblast.pl -c ncbiBlastConfigO.txt -d ../database/HLA_ABC_CDS.fasta -i TASRhla200.contigs -o 0 -a 1 > tig_vs_hla-ncbi.coord
###Align HLA references to contigs
echo "Aligning HLA references to TASR contigs (go have a coffee, it may take a while)..."
../bin/parseXMLblast.pl -c ncbiBlastConfigO.txt -i ../database/HLA_ABC_CDS.fasta -d TASRhla200.contigs -o 0 > hla_vs_tig-ncbi.coord
###Predict HLA alleles
echo "Predicting HLA alleles..."
../bin/HLAminer.pl -b tig_vs_hla-ncbi.coord -r hla_vs_tig-ncbi.coord -c TASRhla200.contigs -h ../database/HLA_ABC_CDS.fasta

输出结果的文件名为HLAminer_HPTASR.csv，当多个样本同时运行时，由于生成的中间文件名字相同，为了保证顺利并行，必须在不同的文件夹下运行。

2. 基于序列比对 HPRA

基于序列比对的算法，运行速度块，但是精确度较差，对应的bash脚本前缀为HPRA, 包括以下脚本

• HPRArnaseq_classI.sh

• HPRArnaseq_classI_SE.sh

• HPRArnaseq_classI-II.sh

• HPRArnaseq_classI-II_SE.sh

• HPRArnaseq_pacbioSEclassI.sh

• HPRAwgs_classI.sh

• HPRAwgs_classI_SE.sh

• HPRAwgs_classI-II.sh

• HPRAwgs_classI-II_SE.sh

脚本中不同文字的含义和HPTASR相同，以HPRArnaseq_classI.sh为例，分析步骤如下

bwa 比对：

bwa mem -a ../database_bwamem/HLA_ABC_CDS.fasta rd1.fq rd2.fq > TEST_vs_HLA.sam

分型：

perl ../bin/HLAminer.pl -a TEST_vs_HLA.sam -h ../database/HLA_ABC_CDS.fasta -p ../database/hla_nom_p.txt

输出文件为HLAminer_HPRA.csv。

两种算法虽然输出文件的名称不同，但是内容是一致的，示例如下

HLA-A Prediction #1 - A*26
A*26:33,3555.00,2.66e-63,625.8
HLA-B Prediction #1 - B*55
B*55:29,2960.00,2.36e-54,536.3

对于每个HLA 基因，会给出对应的分析结果。HLAminer通常能够给出2位或者4位的分型结果。

扫描关注微信号，更多精彩内容等着你！