denovo RNA-Seq를 사용해서 조립을 했다면
조립된 서열들은 어떤 유전자인지 궁금해 지겠쥬?
안 궁금하면 그냥 끝! 하고
서열을 NCBI에 fastq파일 디파짓하고 Bye さようなら하면
그냥 남 좋은일 하는 겁니다.
(나는 대인배다 나는 시퀀싱 비용이 아깝지 않다 하시는 분이라면
친하게 지내요!! 제발~ )
여튼 RNA-Seq을 했고, 생산된 RNA-Seq을 가지고 조립까지 했다면
조립된 서열들은 어떤 유전자들일까 궁금한게 인지사정!
그러면 그런 tool에서는 어떤 것들이 있을까?
바로 이런게 있습니다.
TransDecoder
TransDecoder Wiki
조립된 RNA-Seq서열 에서 coding 서열을 찾아주는 프로그램 입니다.
(현재 버전이 5.5.0이네요.. 다행히 어떤 업데이트도 일어나지 않았네요..)
풋 아마추어같이 RNA-Seq서열이니깐 ATG로 시작하는 것 찾으면 되지 무슨 프로그램이야 프로그램은 아마추어 같으니라고!!
라고 하신다면 당신은 느응력자!
다들 알고계시다 싶이 ATG로 시작하는 것들 major긴 하지만 RNA-Seq을 해서 조립하게되면 ATG로 시작하지 않은 partial로 어딘가가 짤려진 gene 서열들이 존재하기 때문에 그런것들도 잘 알아서(모 대략, 못찾는것도다는) 찾아주는 녀석이 바로 이녀석 되겠습니다.
-사실 이거 말고 다른것도 많이 있을겁니다. 제가 이것밖에 안써서 이거 소개합니다. ㅎㅎ
그냥 위에 파일 다운 받아서 압축 풀고 trinity로 조립한 fasta파일을 넣고 돌리면
$ ~/TransDecoder-TransDecoder-v5.5.0/TransDecoder.LongOrfs -t Trinity.fasta --gene_trans_map Trinity.fasta.gene_trans_map
금요일, 10월 25, 2019
수요일, 10월 23, 2019
산모의 건강상태가 NIPS에 미치는 영향
간만에 하는 업무와 갱장히 밀접한 글 하나 투척이라기 보다는
간단히 정리 정도...
NIPS/NIPT, 비침습적 산전 스크리닝 혹은 테스트의 약자로 산모의 혈액내에 있는 태아의 cfDNA를 사용하여 태아에 문제가 있는지 확인 할 수 있는 기술로써 홍콩대학의 Denis Lo 옹께서 산모 혈액내에 태아것도 있다. 그리고 산모와 태아의 것을 구분 할 수 있다고 밝혀주셔서 전세계적으로 빠르게 확산되었죠.
지속적인 연구를 통해 Trisomy 13/18/21에 대해서 우수한 정확도를 보여주고 있습니다만, NIPS/NIPT를 하다보면 이게 검사가 잘 안되는 경우가 있습니다.
그러나 어떠한 이유인지 분석 할 수 없는 경우나 알 수없가 없었습니다.
그래서 지속적으로 축적된 임상 경험을 바탕으로 NIPS/NIPT와 산모의 건강과 관련하여 상호관계가 있을것으로 추측하였고 그래서 한번 어떤 것들이 NIPS/NIPT의 성능에 영향을 미치는지 조사해본 논문하나를 살펴보았습니다. :)
산모의 비만 (Obesity)
NIPS/NIPT를 할 때 의뢰서에 키와 몸무게 란이 있습니다. 이는 BMI이 치수로 산모의 체질량을 확인하는데 BMI가 높을수록 NIPS/NIPT에 필요한 태아의 cfDNA의 비율이 떨어지기 떄문에 NIPS/NIPT가 실패할 확률이 높아진다고 보고되고 있습니다.
지방세포에서 세포 사멸과 괴사로 혈중 내 태아의 cfDNA보다 산모의 cfDNA 양이 상승하여 태아의 cfDNA 비율을 떨어트린다는 것입니다.
자가면역질환 (Autoimmune disease)
자가면역질환은 문자 그대로 자기 자신을 공격하는 질환으로 세포 주기가 굉장히 짧아지는것이 문제가 되어 임신하지 않은 전신성 홍반성 루프스(SLE) 환자에서 혈중 cfDNA가 증가하는 것을 확인했습니다. 그래서 SLE가 있는 임산부의 NIPS/NIPT결과를 해석할 때는 주의를 기울여야 한다고 말하기도 하였습니다.
태아 분획에 영향을 줄 수 있는 것들 (Other maternal influences on fetal fraction)
표2(논문 참조)에 나와있듯이 태아 분획과 다양한 산모의 특징(인종, 흡연여부, 고혈압, 나이등등등)들은 통계적으로 유의한 연관성을 가지고 있으나 이러한 산모의 특징들은 상반된 결과를 나타내는 결과들도 있기 때문에 덜 중요해 보인다고 합니다.
(인종 ㅂㄷㅂㄷ, ㅂㄷㅂㄷ 했다고 인종차별자는 아니니 오해 없으시기 바랍니다.)
산모가 받은 처방 (Maternal medications)
산모가 복용하는 약 또한 NIPS/NIPT의 결과를 방해 할 수 있습니다.
LMWH(Low molecular weight heparin)은 NIPS/NIPT에 부정적인 영향을 미치는 첫 물질이었습니다. heparin과 NIPS/NIPT의 부정적인 결과에 대해서 정확한 메카니즘은 알려져 있지 않지만 NIPS/NIPT 검사를 위해서는 heparin 복용을 일정 시간 중단해야 합니다. 그리고 IVIG(Intravenous immunoglobulin)의 경우 cfDNA가 증가하는 것처럼 보고 되었지만 NIPT의 분석 성능에는 확인되지 않았습니다.
장기 이식 받은 산모 (Organ transplant recipients)
장기 이식을 받은 산모의들의 NIPS/NIPT는 고려를 해봐야 합니다. 특히나 장기 이식받은 장기가 남성 기증자라면 특히나 주의해야한다. 남성 기증자의 장기는 Y염색체 특이적 cfDNA서열을 만들어내어 잘못된 판단을 유발 할 수도 있다. 그리고 NIPS/NIPT는 염색체 이상이 있는 산모가 하면 정확하지않은 결과를 받아볼 수 있기 때문에 NIPS/NIPT 전 상담을 꼭 진행해야 합니다.
※ 정정 :하단은 NIPS/NIPT를 해서 산모로부터 우연히 알게되는 것에대한 내용입니다.
산모의 성염색체 상태 (Maternal sex chromosome conditions)
NIPS/NIPT에서 X염색체의 정확도는 13/18/21과 같은 상염색체보다 본질적으로 좋지 않습니다. 다른 이수성에 비해 X 염색체 이상에 대해 더 높은 태아 및 태반 모자이크 현상이 있습니다. 산모에 따라 나이와 연관있는 X 염색체 손실이 일어나기도 하고 일부 산모에게서는 정상 XX에서 저수준으로 XO/XX 모자이크로 바뀌기도 합니다.또한 많은 SCA(Sex chromosome aneuploidies)는 불확실한 NIPS/NIPT결과를 초래하기도 합니다. NIPS/NIPT에 의해 의심된 181개 SCA case중 16 case (8.5%)가 산모에 의해 기인한 것으로 확인되었다고 합니다.
산모의 상염색체 이상 (Maternal autosomal abnormalities)
산모의 상염색체이상도 잘못된 NIPS/NIPT 결과를 발생시킵니다. 이런 경우 산모가 저수준의 모자이크 T18이나 염색체 13 혹은 18번에 부분적으로 중복이 있어 발생할 수 있습니다. 최근 NIPS/NIPT 분석 중에 22q11.2와 같은 미세결실 증후군을 탐지하고 있는데 한 연구에서 고위험의 미세 결실 결과 중 60%(20 case/32 case)가 산모에 의한 것이지 않을까 의심되고 있습니다. 그러나 다른 NIPS/NIPT 제공 업체의 경우 고위험 미세 결실 결과중 2%만이 산모에 의한 것으로 확인(?이 진짜 된건지 산모를 검사를 했는지는 까지는)됐다고 합니다. 그런데 이런 차이가 나는 이유는 NIPS/NIPT분석 방법이나 reference의 편향성이나 인구 특징들에 따라 달라지기 때문에 분석 결과에 대한 비교까지는 어려운것 같다고 합니다.
산모의 종양 (Maternal malignancy)
종양세포는 NIPS/NIPT 분석에 사용하는 혈장내의 cfDNA를 기여하고 있다는 것에 누구도 부정은 못할 것 입니다. 종양이 NIPS/NIPT 결과에 영향을 준다는 사례 보고는 여기에서 설명되었습니다. 125,426명의 산모 집단에서 산모의 종양으로 인해 NIPS/NIPT결과가 불일치한 산모 10명에 대해서 정보를 공개했습니다. 산모들의 종양/암 유형은 lymphoma, leukaemia, colorectal and anal cancers 이었다고 합니다.
그리고 산모들은 추가적인 생물정보학적 분석으로 비특이적인 CNV들을 보여줬는데 NIPS/NIPT에서 관찰된 비특이적인 패턴들은 종양/암 치료후 사라져서 종양/암과 NIPS/NIPT와의 관계를 확인 할 수 있었습니다.
그래서 종합적으로 요약하자면 임상적으로 NIPS/NIPT에 대한 경험과 자료가 증가함에 따라 산모의 건강과 밀접한 관련이 있다는 것을 확인 할 수 있었고 비만, 면역질환 및 LMWH 치료와 같은 NIPS/NIPT 결과에 영향을 줄 수 있는 산모의 상태에 대해서 인지하고 있어야합니다(안그러면 위양성 결과를 받아들고 옳지못한...).
NIPS/NIPT결과로 얻어진 2차 산모의 위험 소견에 대해 산모에게 알리는 것도 중요한 윤리적 고려사항이라고 생각됩니다.
이렇다고합니다.
간만에 업무와 관련되 내용 포스트 좀 해봤습니다.
라벨:
사나,
트와이스,
cell-free DNA,
cfDNA,
fetal cell-free DNA,
fetal fraction,
NIPS,
NIPT,
Noninvasive,
Prenatal,
SANA,
Screening,
Test,
TWICE
월요일, 10월 21, 2019
bam파일을 가장 쌈빡하게 잘 다루는 방법
NGS 시대를 살면서 bam파일은 어떻게 땔래야 땔수없는
껌딱지같은 녀석이 되어버렸습니다.
다양한 정보를 가지고있기는 한데 그 안에서 정보를 추출같은 핸들링하기가 쉽지 않은게 사실이긴 합니다.
그래서 여기 sam파일 bam파일을 samtools보다 빠르게 처리해주는 툴하나
가지고 와봤습니다.
모 이미 samtools대신에 잘 사용하고 계실겁니다.
sambamba라고 (현재 버전은 v0.7.0 입니다. 논문은 여기에 있습니다.)
sambamba는 samtools와 비슷한 대부분의 기능을 가지고 있습니다.
view, sort, index, merge, slice, flagstat, markdup
그리고 사용법도 모 크게 어렵지 않습니다. :)
sambamba documentation을 보시면 모 크게 어렵지 않게 손쉽게 사용하실 수 있을겁니다. :)
껌딱지같은 녀석이 되어버렸습니다.
다양한 정보를 가지고있기는 한데 그 안에서 정보를 추출같은 핸들링하기가 쉽지 않은게 사실이긴 합니다.
그래서 여기 sam파일 bam파일을 samtools보다 빠르게 처리해주는 툴하나
가지고 와봤습니다.
모 이미 samtools대신에 잘 사용하고 계실겁니다.
sambamba라고 (현재 버전은 v0.7.0 입니다. 논문은 여기에 있습니다.)
sambamba는 samtools와 비슷한 대부분의 기능을 가지고 있습니다.
view, sort, index, merge, slice, flagstat, markdup
그리고 사용법도 모 크게 어렵지 않습니다. :)
sambamba documentation을 보시면 모 크게 어렵지 않게 손쉽게 사용하실 수 있을겁니다. :)
![]() |
| 출처: sana_twice.09 |
금요일, 10월 18, 2019
Trimmomatic 설치 및 사용
Trimmomatic Site
Trimmomatic Manual
Trimmomatic은 cutadapt와 함께 Illumina 시퀀서들의 adapter들을 제거하고 trimming하는데 널리사용되는 tool되겠습니다.
설치방법은..
>wget http://www.usadellab.org/cms/uploads/supplementary/Trimmomatic/Trimmomatic-0.36.zip
>unzip Trimmomatic-0.36.zip
Trimmomatic-0.36폴더 밑에 파일 생성
>cd Trimmomatic-0.36
>java -jar trimmomatic-0.36.jar -h
참 쉽죠!!
물론 java가 설치되어 있어야한다는게 함정
Quick Start
Paired End일때
java -jar trimmomatic-0.35.jar PE -phred33 input_forward.fq.gz input_reverse.fq.gz output_forward_paired.fq.gz output_forward_unpaired.fq.gz output_reverse_paired.fq.gz output_reverse_unpaired.fq.gz ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36
Single End일때
java -jar trimmomatic-0.35.jar SE -phred33 input.fq.gz output.fq.gz ILLUMINACLIP:TruSeq3-SE:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36
위의 Quick Start에서 사용한 내용은 paired와 single 차이일뿐 옵션은 동일합니다.
찬찬히 뜯어보면 다음과 같다고 하네요
ILLUMINACLIP:TruSeq3-PE.fa:2:30:10
- 일루미나 아답타 서열을 제거하는 옵션입니다. 자세한 내용은 하단에..
LEADING:3
- 서열의 앞쪽을 기준으로 quality (여기서는 3) 이하의 N개 서열을 제거합니다.
TRAILING:3
- 서열의 뒤쪽을 기준으로 설정한 quality (여기도 3) 이하의 N개 서열을 제거합니다.
SLIDINGWINDOW:4:15
- 4base씩 확인하면서 평균 quality가 설정된 기준 quality (여기서는 15)보다 이하일 경우 제거합니다.
MINLEN:36
- 위의 단계들을 거치면서도 살아 남은 서열 길이가 기준 길이 (여기서는 36bp)보다 짧으면 (이하) 아예 read를 삭제합니다.
사용 가능한 옵션
ILLUMINACLIP:<fastaWithAdaptersEtc>:<seed mismatches>:<palindrome clip threshold>:<simple clip threshold>
- fastaWithAdaptersEtc: trimmomatics에서 TruSeq2와 TruSeq3서열은 제공하고 있고 그외에 아답터 서열을 사용하고 싶으면 fa파일을 넣어주면 됨
- seed mismatches: 허용가능한seed 서열의 mismatch 개수
- palindrome clip threshold: palindrome trimming방법은 Paired End로 시퀀싱을 했을 때 적용할 수 있는 방법으로 아답타 서열이 traget read 앞뒤에 존재해서 첫번째 read와 두번째 read에서 역 상보적으로 동일한 read들이 발견되는 경우 해당 서열들을 삭제하는 방법입니다. (참고 palindrome란? )
- simple clip threshold: 설정된 기준 값에 부합하는 충분히 정확한 match가 확인되면 적절히 clipping함
SLIDINGWINDOW:<windowSize>:<requiredQuality>
설정된 windowSize 서열들의 평균 qaulity가 requiredQuality 값보다 작아지면 작아진 서열들 이후를 제거합니다.
LEADING:<quality>
read 앞쪽을 기준으로 설정된 quality보다 낮은 quality를 가진 서열들을 제거합니다.
TRAILING:<quality>
read 뒤쪽을 기준으로 설정된 quality보다 낮은 quality를 가진 서열들을 제거합니다.
CROP:<length>
read 앞쪽을 기준으로 설정된 length만큼 서열들을 보존한다.
HEADCROP:<length>
read 앞쪽을 기준으로 설정된 length만큼 서열을 삭제한다.
MINLEN:<length>
TOPHRED33 quality를 phread 33으로 변환
TOPHRED64 quality를 phread 64으로 변환
그리고 중요한 점 하나! trimmomatic는 옵션에 순서가 있다는 사실! 저도 아직 테스트 해보지는 못했는데 옵션이 순서대로 적용 된다고 합니다. 설명서에 그렇게 써 있으니 맞겠죠. 그래서 일단 어답터 서열을 먼저 제거하라고 합니다. :)
그럼 즐거운 trimming 작업 되시길..
Trimmomatic Manual
Trimmomatic은 cutadapt와 함께 Illumina 시퀀서들의 adapter들을 제거하고 trimming하는데 널리사용되는 tool되겠습니다.
설치방법은..
>wget http://www.usadellab.org/cms/uploads/supplementary/Trimmomatic/Trimmomatic-0.36.zip
>unzip Trimmomatic-0.36.zip
Trimmomatic-0.36폴더 밑에 파일 생성
>cd Trimmomatic-0.36
>java -jar trimmomatic-0.36.jar -h
참 쉽죠!!
물론 java가 설치되어 있어야한다는게 함정
Quick Start
Paired End일때
java -jar trimmomatic-0.35.jar PE -phred33 input_forward.fq.gz input_reverse.fq.gz output_forward_paired.fq.gz output_forward_unpaired.fq.gz output_reverse_paired.fq.gz output_reverse_unpaired.fq.gz ILLUMINACLIP:TruSeq3-PE.fa:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36
Single End일때
java -jar trimmomatic-0.35.jar SE -phred33 input.fq.gz output.fq.gz ILLUMINACLIP:TruSeq3-SE:2:30:10 LEADING:3 TRAILING:3 SLIDINGWINDOW:4:15 MINLEN:36
위의 Quick Start에서 사용한 내용은 paired와 single 차이일뿐 옵션은 동일합니다.
찬찬히 뜯어보면 다음과 같다고 하네요
ILLUMINACLIP:TruSeq3-PE.fa:2:30:10
- 일루미나 아답타 서열을 제거하는 옵션입니다. 자세한 내용은 하단에..
LEADING:3
- 서열의 앞쪽을 기준으로 quality (여기서는 3) 이하의 N개 서열을 제거합니다.
TRAILING:3
- 서열의 뒤쪽을 기준으로 설정한 quality (여기도 3) 이하의 N개 서열을 제거합니다.
SLIDINGWINDOW:4:15
- 4base씩 확인하면서 평균 quality가 설정된 기준 quality (여기서는 15)보다 이하일 경우 제거합니다.
MINLEN:36
- 위의 단계들을 거치면서도 살아 남은 서열 길이가 기준 길이 (여기서는 36bp)보다 짧으면 (이하) 아예 read를 삭제합니다.
사용 가능한 옵션
ILLUMINACLIP:<fastaWithAdaptersEtc>:<seed mismatches>:<palindrome clip threshold>:<simple clip threshold>
- fastaWithAdaptersEtc: trimmomatics에서 TruSeq2와 TruSeq3서열은 제공하고 있고 그외에 아답터 서열을 사용하고 싶으면 fa파일을 넣어주면 됨
- seed mismatches: 허용가능한seed 서열의 mismatch 개수
- palindrome clip threshold: palindrome trimming방법은 Paired End로 시퀀싱을 했을 때 적용할 수 있는 방법으로 아답타 서열이 traget read 앞뒤에 존재해서 첫번째 read와 두번째 read에서 역 상보적으로 동일한 read들이 발견되는 경우 해당 서열들을 삭제하는 방법입니다. (참고 palindrome란? )
- simple clip threshold: 설정된 기준 값에 부합하는 충분히 정확한 match가 확인되면 적절히 clipping함
SLIDINGWINDOW:<windowSize>:<requiredQuality>
설정된 windowSize 서열들의 평균 qaulity가 requiredQuality 값보다 작아지면 작아진 서열들 이후를 제거합니다.
LEADING:<quality>
read 앞쪽을 기준으로 설정된 quality보다 낮은 quality를 가진 서열들을 제거합니다.
TRAILING:<quality>
read 뒤쪽을 기준으로 설정된 quality보다 낮은 quality를 가진 서열들을 제거합니다.
CROP:<length>
read 앞쪽을 기준으로 설정된 length만큼 서열들을 보존한다.
HEADCROP:<length>
read 앞쪽을 기준으로 설정된 length만큼 서열을 삭제한다.
MINLEN:<length>
TOPHRED33 quality를 phread 33으로 변환
TOPHRED64 quality를 phread 64으로 변환
그리고 중요한 점 하나! trimmomatic는 옵션에 순서가 있다는 사실! 저도 아직 테스트 해보지는 못했는데 옵션이 순서대로 적용 된다고 합니다. 설명서에 그렇게 써 있으니 맞겠죠. 그래서 일단 어답터 서열을 먼저 제거하라고 합니다. :)
그럼 즐거운 trimming 작업 되시길..
![]() |
| @sana_twice.09 |
라벨:
사나,
트와이스,
ILLUMINACLIP,
JAVA,
LEADING,
MINLEN,
PE,
SANA,
SE,
SLIDINGWINDOW,
TRAILING,
Trimmomatic,
TWICE
수요일, 10월 16, 2019
메타지놈은 kaiju와 함께
코펜하겐에 계시는 이름좀 들어본 A. Krogh옹이 속한 팀(저자가 2명인건 비밀)에서 출판한 메타지놈 classification 분석 툴인 kaiju (1저자님이 퍼시픽림좀 보신듯.. 그럼 kaiju이후 analysis pipeline은 jager인건가)에 대해서 잠시 얘기해 보도록 하겠습니다.
웹서버 : http://kaiju.binf.ku.dk/
논문 : Fast and sensitive taxonomic classification for metagenomics with Kaiju
현재 kaiju버전 : https://github.com/bioinformatics-centre/kaiju/releases/tag/v1.7.1
모 이제 metagenome이야 쩔 핫해요라는거는 일주일에 한두번은
수십억 L. 로 시작하는 미생물들을 우리 입안에 털어넣고 있는이상 따로 말해야하는가?
그렇지만 아직도 연구할건 많다는건 비밀이라서
많은 연구자들이 다양한 연구를 하기위해 이것저것 시도를 할 때
사용할 도구들을 계속 만들고 있는데 이 kaiju 또한 그런 도구중 하나 되겠습니다.
모 아이디어는 기존에는 DNA read를 었어서 DNA랑 비교했는데
우리 그러지 말고 단백질 조각이랑 비교하면 어떻겠니? 하는 논문 되겠습니다.
결론: DNA-DNA 비교 하지말고 DNA-Protein비교가 더 좋지? 되겠습니다.
그리고 위의 그림으로만 믿지 못하는 (저같은) 닝겐들을 위해서
그럼 너님들을 위해서 real 샘플에서 결과를 보여주지 훗
기대하시라고!
추가적으로 전세계적으로 NGS는 일루미나느님이 잡고 있다보니 저자분들께서
HiSeq(Short)과 MiSeq(Long)에 대해서 kaiju와 kreken으로 비교해두었습니다.
HiSeq에서는 두 프로그램의 sensitivity나 precision은 별로 차이가 없었고 MiSeq결과에서는 그래도 (phylum 수준에서나마) kaiju(그냥도 아니고 greedy-5 모드)가 karken보다 조금더 높은 sensitivity와 precision을 보여준다고 합니다.
결론은 Microbiome은 MiSeq으로 대동단결(진정 MiSeq밖에 없는것인가.. Orz)
웹서버 : http://kaiju.binf.ku.dk/
논문 : Fast and sensitive taxonomic classification for metagenomics with Kaiju
현재 kaiju버전 : https://github.com/bioinformatics-centre/kaiju/releases/tag/v1.7.1
모 이제 metagenome이야 쩔 핫해요라는거는 일주일에 한두번은
수십억 L. 로 시작하는 미생물들을 우리 입안에 털어넣고 있는이상 따로 말해야하는가?
그렇지만 아직도 연구할건 많다는건 비밀이라서
많은 연구자들이 다양한 연구를 하기위해 이것저것 시도를 할 때
사용할 도구들을 계속 만들고 있는데 이 kaiju 또한 그런 도구중 하나 되겠습니다.
모 아이디어는 기존에는 DNA read를 었어서 DNA랑 비교했는데
우리 그러지 말고 단백질 조각이랑 비교하면 어떻겠니? 하는 논문 되겠습니다.
![]() |
| 걍 제일 중요한 Figure |
그리고 위의 그림으로만 믿지 못하는 (저같은) 닝겐들을 위해서
그럼 너님들을 위해서 real 샘플에서 결과를 보여주지 훗
기대하시라고!
![]() |
| 됐냐? |
추가적으로 전세계적으로 NGS는 일루미나느님이 잡고 있다보니 저자분들께서
HiSeq(Short)과 MiSeq(Long)에 대해서 kaiju와 kreken으로 비교해두었습니다.
HiSeq에서는 두 프로그램의 sensitivity나 precision은 별로 차이가 없었고 MiSeq결과에서는 그래도 (phylum 수준에서나마) kaiju(그냥도 아니고 greedy-5 모드)가 karken보다 조금더 높은 sensitivity와 precision을 보여준다고 합니다.
결론은 Microbiome은 MiSeq으로 대동단결(진정 MiSeq밖에 없는것인가.. Orz)
![]() |
| 출처: @sana_twice.09 |
라벨:
사나,
트와이스,
clark,
classification,
dna,
HiSeq,
KAIJU,
kraken,
metagenomic,
Microbiome,
MiSeq,
protein,
SANA,
Taxonomic,
TWICE
피드 구독하기:
글 (Atom)






