Windows Subsystem Linux 입문

?? 윈도우용 리눅스 하위 시스템 설명서가 아니라
Linux용 Windows 하위 시스템 설명서라고?

번역이 다른건지 문화가 다른건지 그건 중요한게 아니고
윈도우에서 cygwin도 아니고 버추얼박스도 아닌데 리눅스 명령어를 그것도 우분투를 사용할 수 있다고?
이런 말도 안되는 일이 이미 꽤 예전부터 사용되고 있었는데
저는 이번달에 되서야 알았고..

별도 서버를 접속해야 테스트를 할 수 있었던걸..
이젠 손쉽게 할 수 있게 되었습니다.

윈도우10에서 ubuntu에 접속했습니다! (아... 전 이 화면을 좋아합니다.)

역시 Dell 사용자로 정품 윈도우를 사용하니 좋은 날이 있군요
모 어둠의 경로로 해서 사용해도 가능은 할거 같은데..

WSL도 WSL1과 2로 나눠지는거 같은데...
일단 우분투 설치도 간편하게 잘 했고
이것저것 설치 또한 간편하게 다운받아서 했고
전혀 시스템에 별도로 오버헤드 걸리는것 없이 자연스럽게 작업을 하고 있습니다.

다만 일정 작업을 하면 자원을 완벽히 공유하고 있어서
순간 빡센 작업을 시키면 서류작업같은거 전혀 안되는게 단점입니다. ㅎㅎ


그래서 조만간 지난번에 진행하지 못했던 qiime2 설치편을 이어서....

출처: @sana_twice.09

엄마한테서 니가 왜 나와

중국에서 비 침습성 산전 검사(NIPT)를 활용해서 흥미진진한 연구를 진행해서 2018년도에 투고한 논문을 한번 훑어봤습니다.

Genomic Analyses from Non-invasive Prenatal Testing Reveal Genetic Associations, Patterns of Viral Infections, and Chinese Population History
>논문은 여기로<


NGS시대에 유전학연구를 할 때 가장 문제되는게 표본 크기가 제일 문제되고 있죠, 시퀀싱을 하자니 기본적인 depth가 필요한데 적절한 depth로 하자니 비용때문에 표본 크기를 줄여야 되고.. 표본 크기를 줄이자니 그정도 시퀀싱해서 얻어진 결과가 잘 될까?

그래서 중국 연구진(물론 미국과 덴마크 연구진도 합세했습니다.)이 NIPT 데이터를 이용해서 유전체 연구를 진행해 보았답니다.

NIPT는 shallow sequencing의 대명사죠, 그럼에도 불구하고 전세계적으로 스크리닝방법으로 정착을해서 현재도 굳이 침습적 산전진단을 받지 않아도 되는 산모들에게 대안이 되어 주고 있습니다.
(오늘은 NIPT 성능과 위음성과 같은 것은 논외로 하겠습니다.)

산모들의 NIPT 데이터를 사용해서 유전학 연구를?
이게 될까? 저도 될줄은 몰랐는데 이분들 일단 했으니 논문이 나왔겠죠..

대한민국에도 엄청 많은 NIPT 데이터가 쌓여 있을텐데.. 한번 해봐도 나쁘지않을 것 같습니다. (물론 동의서가... ㄷㄷㄷ )

결론적으로 슬쩍 읽는 NIPT 가지고 거기다가 두명혹은 그 이상의 정보가 섞여 있는데 그거가지고 모 뭐할꺼야? 라고 하신다면 큰 오산!
슬쩍 읽는가지고도 집단유전학, Association mapping study 그리고 (아놔 이거 모야?인데 진짜 나온다는.. ㅋㅋ ) 인간 혈장내 바이러스 연구를 할 수 있다고 합니다.

일단 NIPT로 얻어진 allele 정보가.. 진짜 쓸만한가 알아보았슴다.
NIPT 데이터(CMDB)에서 call된 SNP들이 기존의 1KG CHN,EAS 및 전체에서 얼마나 확인되었는지, CMDB에서 novel variant들이 있는지 확인했고
non-reference allele freq를 가지고 1K genome의 CHN allele과 CMDB의 allele를 비교해보았습니다.

물론 Novel은 적게, gnomAD, 1KG 데이터와 많이 공유하고, 상관관계는 높습니다.


변이에 대한 결과를 확인 했으니 이제 중국의 유전학 썰을 한번 풀어보는걸로..
분석에 걸림돌이 되는 오류같은것들은 적절히 제외해주고 한족에 대해서 한번 확인해봤습니다.

31개 행정구역의 4만5천명 한족이라고 확인된 샘플들을 PCA분석을 해보 았는데 위도에 따라 차이가 많이 보였습니다(이 결과는 이전 연구 결과와 동일한.., 동서에 의한 차이는 별로.. ,논문내에서는 이주정책에 의해 설명되는것 같다고 하는데 정확히 무슨 말인지는.. 1996년 논문을 봐야할듯 하네요. ). 그러나 그 외 소수민족에서는 걍 경도, 위도 상관없이 다 차이가 있었다고 하네요. 그래야 소수민족이지 않을까하는 생각이기도 합니다.
가장 차이가 나는 집단은 신장지방의 Kazakh, Uyghur, 내몽골 지역의 Mongol이었습니다.
(일단 언어가 다르다고 하네요)

그리고 키와 BMI와 같은 Multiple Complex Traits의 Phenotype - Genotype Association을 확인해봤슴다.
지금까지 연구된것들과 비슷한 SNP들이 확인되었고 CBK, GIANT, UK BioBank 대규모 set들과 비교해봤을 때도 크게 다른 값을 보이지 않았습니다. 그리고 NIPT라는 특별한 샘플이라는 점을 고안하여 쌍태아와 관련된것도 한번 확인해 보았답니다.
(산모 연령에 대한 것도 확인했다고 했는데... 이건 유전적이라기 보다는... 사회학적인 부분이지 않을까했는데.. 모 연관성이 높은 SNP를 찾긴 찾았는데 저는 패스 하도록 하겠습니다.)
중국의 NIPT 샘플중 470여명의 쌍둥이들이 있었는데(초음파로 확인) NRG1의 rs12056727d이 꽤나 흥미로운 좌위로 확인되었습니다. 이 SNP는 UK BioBank에서 갑상선 항진증과 관련이 있는것으로 확인되었습니다. 그리고 갑산성 기능은 불임과 관련이 있습니다. NRG1유전자에 대한 내용은 일단 넘어가더라도 쌍둥이를 임신한 산모는 갑상선 자극 호르몬 수준이 낮아지는 경향이 있습니다.


그리고 오늘 포스팅 제목에 부합하는 내용인, 산모 혈장에서 보이는 circulating viral DNA!
왜왜왜 나오냐고

일단 NIPT에서 수행된 시퀀싱 결과에서 human에 mapping되지 않는 read들을 따로 모아서 NCBI 바이러스 DB에 확인해봤고 그 결과를 Figure5의 A,B에 정리했습니다. 그렇지만 우리가 잘못 분류하거나 샘플이 오염 되었을 수도 있기에 검토하였다. 대부분은 특정 지역에 국한되었고, 이미 인체내 genome에 내재화 되어 있는 HCV서열이 있는것을 확인했지만... 그 대상 숫자가.. 고작 3명..

근데 중국에서만 그런건 아니고 유럽쪽 연구에서도 바이러스가 나왔었다능
-물론 바이러스 종류가 좀 다른 것으로보입니다.
실험 디자인이 달라서 그런것인지 진짜 지리적으로 차이가 있는것인지 모 좀더 확인해봐야 하겠지만... 크.. 인구도 많고 땅덩어리도 작지 않은 중국 아니겠습니까.
HBV관련해서 민감도도 계산했고 지리적 분포를 확인해서 지리적으로 확인되는 바이러스 종류들이 다르다는 것을 확인했습니다.

그래서 NIPT 데이터를 잘 활용한다면 공중보건에도 꽤나 유용할것 같다는게
저자들의 논지였고 현재 NIPT 서비스를 하고 있는(그러나... 내년에도 하고 있을거라는 보장은... 어느 이유로든지 밝지 않은) 본인에게도 걍 헛소리로 보이지는 않고 진짜 유용할것같다능...

ps. 근데 일주일에 논문하나 읽기가 이렇게 어려웠나;;;

출처: @sana_twice.09

저쪽집이 좋지만 우리집도 잘해요, 시퀀싱

가능하면 일주일에 하나씩은 업데이트 하려고 했는데 여윽시..
그건 어려운것 같네요 ㅎㅎ
그래도 되는대로 논문읽고 일주일에 한번씩 업데이트 하는걸로 :)


오늘은 금년 6월달에 남중국과학대학에서 Scientific reports에 투고한 논문 되겠습니다.

제목은 Systematic comparison of germline variant calling pipelines cross multiple next-generation sequencers >여기를 방문하세요<

현존하는 1빠 시퀀서대비 가격도 저렴 시약도 저렴한  BGISEQ과 MGISEQ 성능 비교 테스트인데 결론은 왜 Strelka2가 적절한 분석 파이프라인으로 권장한다인지..

-일단 BGISEQ과 MGISEQ의 라이브러리 제작 및 시퀀서 방식을 뒤로하고 성능만 봅니다.
덤으로 Tianhe-2라는 슈퍼컴퓨터 자랑도 -


3개 콜러(GATK4, Strelka2, Samtools-Varscan2)를 가지고 WES, WGS를 비교해보니 WES데이터는 시퀀서 및 콜러별로 높은 일치성을 보이는 반면 WGS는 그러지 못했습니다(니들도 WGS가 WES처럼 높은 일치성을 보일거라고 생각안했잖아ㅋㅋ 어디서 약을.. 그래도 논문은 나왔기에 괜찮습니다 Orz )

Figure 1. 우리는 여러분이 가장 많이 사용하고 권장하는 콜러를 지금 있는 그대로 분석을 돌려봤습니다.

Sequencing Samples	Bases(Gbp)	Read(x106)	Clean rare	>Q20	>Q30	GC	Mean coverage
BGISEQ500-WES	29.41	294.3	0.41%	96.72%	89.14%	49.75%	328.49X
MGISEQ2000-WES	16.34	163.55	0.25%	98.18%	92.08%	49.71%	129.40X
HiSeq4000-WES	41.93	283.7	4.46%	97.36%	93.01%	50.63%	395.17X
NovaSeq-WES	25.88	178.87	2.25%	95.33%	92.67%	49.73%	241.52X
BGISEQ500-WGS	126.86	1270.02	1.76%	93.73%	83.33%	41.76%	41.03X
MGISEQ2000-WGS	137.36	1374.87	0.21%	96.17%	88.19%	41.76%	45.13X
HiSeq4000-WGS	191	1276.1	8.25%	95.90%	90.11%	41.69%	58.00X
NovaSeq-WGS	98.3	657.45	1.28%	95.89%	93.86%	41.61%	28.96X
HiSeq Xten-WGS	134	894.58	7.29%	94.50%	87.63%	40.71%	38.93X

Table 1. 우리 필요한 만큼 시퀀싱 잘 했어요

Figure 4,5 WES관련 작업 시간 및 결과 정리
Figure 6,7 WGS관련 작업 시간 및 결과 정리
(이미지 생략)

그래서 WES와 WGS를 각각 콜러의 조합에서 분석한 결과 SNP는 일관적으로 잘 call하였고 InDel은 일관적이지 못했다.
플랫폼별로 보면 SNP는 BGI플랫폼이 InDel은 일루미나 플랫폼이 더 나았다.
이거슨 시퀀싱할때 read 길이를 BGI 플랫폼과 illumina 플랫폼의 길이를 각각 100PE, 150PE로 해서 그렇다는 이유를... (그럼 왜 BGI플랫폼은 150PE로 안하고..??)

그리고 시퀀싱 뎁스 운운하는데.. 결론은 추가테스트 및 다른 분들이 더 해줬으면 하는걸로..
그리고 각 플랫폼에서 분석 툴의 성능 비교는 Strelka2가 다른 2개 분석 방법도나 나은걸로
순위를 따지자면 Strelka2 > GATK > Samtools-VarScan(SV) (모 다들 예상하셨다 싶이..)
InDel을 call하는 결과가 좀 차이가 있었는데 NovaSeq-SV에서 23개의 small variant를 call했는데반해 X-Ten-SV에서는861개의 small variant을 call했.. (BGI플랫폼은 갑자기 사라지고..)
그리고 마무리는 germline의 SNP, InDel call 능력은 높은 일치성이 있는 걸로 마무으리~

종합적으로 Strelka2가 최적의 분석 파이프 라인
응? 이거 시퀀서 비교 아니었어?
응 아니야, Strelka2 좋아요 꾹! 구독아니 github 꾹!
결국 이렇다고합니다.

이 논문의 의의는 테스트 해볼 비교 set이 생겼다는것에 ...  :)

출처: @sana_twice.09