HLAminer:根据NGS数据确定HLA分型结果

2023-10-12 02:50

本文主要是介绍HLAminer:根据NGS数据确定HLA分型结果,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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 Iclass 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!

这篇关于HLAminer:根据NGS数据确定HLA分型结果的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/192707

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者