ClinVar XML파일을 Tab 구분자 파일로 변환해서 사용하기

Clinvar안에 있는 정보를 활용하기 위해서는 대부분 다음과 같이 ncbi ftp에 들어가서 clinvar의 xml파일을 사용하게 됩니다.

https://ftp.ncbi.nlm.nih.gov/pub/clinvar/xml/clinvar_variation/ClinVarVariationRelease_00-latest.xml.gz

근데 이 xml 파일이...

솔찬히 번거롭고 귀찮쥬?

xml과 함께 json도 만만치 않쥬...

그래서 clinvar xml을 parsing해서 조금 더 핸들링하기 쉽게 tab으로 구분된 파일을 만들어 보겠습니다.

이 xml을 받을 때 처럼 ncbi의 ftp인

https://ftp.ncbi.nlm.nih.gov/pub/clinvar/tab_delimited/에 접근합니다.

그리고 variant_summary.txt.gz을 찾으시면되겠습니다.

parsing script가 아닌 그냥 파일을 새로 받으면 되는것이었습니다. :)

출처: @ye._.vely618

WGS는 과연 의료비용을 낮출수 있을까

Rapid whole-genome sequencing decreases infant morbidity and cost of hospitalization

본 논문은 WGS이 의료 비용 절감과 환우의 치료에 대해 긍정적인 결과에 대한 내용을 담고 있는데 솔까말 시퀀싱 가격이 NovaSeq이 나오면서 값싸졌다고는 하지만 의료 현장에서 WGS가격이 수십만원대로 서비스할 수 있는 것은 아니지만...

환자에게 들어가는 의료 비용을 생애 전주기에 걸쳐있다는 관점으로 바라보면, 초기에 WGS를 수행해서 병의 정확한 이유를 가려내어서 알맞은 치료나 관리를 해주면 초기에 다소 비싸보이는 WGS를 하는것이 WGS를 하지 않아 적시에 필요한 치료과 관리를 하지 못했을 때 보다 전체적인 의료비용도 낮추고 환우들이나 그의 가족들에게도 물심양면적으로 긍정적인 효과가 된다는 내용 되겠습니다.

San Diego의 Rady Children 's Hospital에서 진행되고 있는 연구로 WGS데이터를 바탕으로 질병 예측과 이유의 정확도를 높여 더 나은 치료 결과를 기대 할 수 있는지를 보고자 하는 임상실험 결과 중 초기 단계의 결과입니다. 

무슨 임상실험을 2050년까지 한다는건지.. 그러나 그정도로 데이터를 쌓아놓고 확인해봐야 NGS를 의료계에서 인정하겠다라는 철저한 준비를 하겠다는 의지라고 볼 수도 있겠지만.. 30년동안 데이터 모으는 동안 또다른 혁신적인 실험기법/방법이 나오면 도루묵일수도... 여튼.. 

그래도 의료에 직접적으로 영향을 끼칠 수 있는 방법이다보니.. 

그리고 이러쿵 저러쿵 하더라도 중요한 점은 FDA 승인하에 의뤄지는 WGS기반의 진단 방법 실험 결과이고 그 결과가 "가치 있음" 이라는데에 의의가 있겠습니다.

2016년/2017년 이유를 알지 못하는 유전 질환을 앓고 있는 영아 48명 중 유전자 검사에 대해서 동의한 42명의 영아들에 대해서 (필요시 영아와 함께 부모또는 형제자매들도 검사) 유전자 검사를 진행하였습니다.

rWGS의 임상적 효과를 확인하기위해 standard test인 염색체 마이크로어레이(CMA)와 함께 진행하여 비교 한 결과, CMA방법으로는 42명 환자중 4명에 대해서 병인에 대해서 진단 할 수 있었으나, rWGS의 경우 18명(?19명?)에 대해서 병인 진단을 받았고 위양진단은 없었음을 확인하였다고 합니다. 

그리고 유전질 환을 진단받은 18명의 영아중 13명에 대해서 소위 이야기하는 정밀/ 맞춤의학이 도입되었을 때 볼수 있는 효과는 Table 2,3에 설명되어 있습니다. 물론 재현성이 있는 반복실험 결과도 없고 코호트내 인종이 caucasian, Hispanic/Latino로 편중되어 있고, n수 도 수십명으로 적어서 rWGS를 적극적으로 의료보험으로 적용시키기에는 제한적이긴 하나 rWGS가 현재 적용되고 있는 기준 방법인 CMA방법보다는 더 나은 선택지를 제공할 수 있고 그 효과는 무시할 수 없다는 근거가 이 논문을 시작으로 속속 뒷받침 해줄 것이고 원인을 명확하게 판단 할 수 없는 영유아의 유전질환 진단에서 rWGS가 조만간 단계적으로 도입되는 날이 얼마 남지 않은것 같아보입니다.

사실 이 논문의 배경은 미국이라 우리나라에는 적용하기 어려운 부분이 많아보이는데 국민건강보험기금이 화수분도 아니고 이제는 조금더 효율적으로 사용하려면 신기술에 대해서 적극적으로 검토하고 도입을 주도적으로 진행해야 적은 기금으로 효과를 극대화하고 필요한 많은 이들에게 보장을 해 줄 수 있지 않을까하는 생각을 들게하는 연구였습니다.

출처: @sana_twice.09

Uterine Microbiota의 이해

읽는다 읽는다 하면서 이제서야 정리하는 내용...

Uterine Microbiota: Residents, Tourists, or invaders?

논문좌표 : https://www.frontiersin.org/articles/10.3389/fimmu.2018.00208/full

microbiota라고 하면 대부문 gut microbiota를 떠올리지만 인체에는 다양한 외부 기관들이 있는바 거기에 각각 독특한 microbiota를 가지고 있다는 사실!!

그중에서도 오늘은 글쓴이가 한때 업무를 보았던 NIPS와 밀접한 자궁내 미생물총에 대해서 리뷰된 논문이 있어서 한번 읽어 보았습니다.

설마 재미가 있을리는.... 

업무와 관련있는 내용을 논문이 나온지 2년이나 지난 지금에서야 읽고 정리하는 역설적인 상황!! 

어쨌거나 논문을 들여다보자면...

일단 리뷰지인만큼 미생물총, 그중에 자궁 미생물 총에 대해서 배경을 설명해주고 있습니다. 1세기 전만해도 자궁은 무균지대라는 가설이 지배적이었다고... 질은 외부세균으로부터 자궁을 보호하는 역할을..  (아니 무슨 말을 하는건지.. 밁칡짉안곩섥는... 사실 먼 훗날 현재는 사실로 받아들이는것들이 헛소리라고 밝혀지는것도 있을테니....)

그래도 최근에는 culture방법을 통해서 저 말도안되는 가설을 밀어내고 있고 현재는 NGS로 다양한 연구를 통해 자궁내 미생물총에 대한 기능에 대해서 알아가고 있습니다.

다양한 연구라 함은 자궁내 미생물총의 차이가 반복적인 유산과 조산등에 대한 원인이라는 연구가 있어 자궁내 미생물총이 host인 여성의 건강, 그리고 직접적으로는 태아의 건강과도 연관되지 않을까 하는 연구입니다.

본 리뷰지에는 10개의 자궁내 미생물총 연구 결과 논문을 소개하고 있는데 개별 연구에서 일관성있는 결과들이 나오지 않아서 본 리뷰 논문 제목처럼 자궁내 미생물총은 우리와 함께하는 파트너(거주자)인지, 어떠한 이유로 자궁으로 들어와서 잠시 머무르는 존재(여행자)인지, 악의적인 목적을 가진 존재(침입자)인지 질문을 하고 있습니다.

일관성이 보이지 않는 개별 연구의 내용들은 IVF 시술을 받은 여성들 사이에서 차이를 본 연구, 별도의 자궁이상이 없다고 판단되나 반복적인 유산 및 착상 실패를 보이는 여성들의 미생물총 차이, 자궁내막증이나 기타 다른 질환으로 자궁 수술을 받아 건강한 삶을 살고 있는 여성과 자궁내막증과 같은 질환을 가지고 있으나 아직 수술전인 여성들과의 미생물총 차이 등등등... 

얼핏보면 좀 차이가 있어보일만한 그룹을 비교를 했는데도 왜 연구마다 결과가 상이 혹은 반대의 결과를 보이는것은 실험방법의 한계, 즉 피험자의 코호트 크기(피험자 수, 논문을 보시면 아시겠지만 30명전후라서..), 시퀀싱의 한계, 먹거리와 같은 차이로 인한 환경의 차이, 샘플링방법... (물론 멋지다고 생각한 연구 디자인도 빠질수 없겠죠)

여튼 그래서 논문저자들은 각 연구의 결과들을 취합하여 다음과 같은 자궁내 미생물에 대해서 설명하고 있습니다.

1. 파트너(거주자)로써의 자궁내 미생물의 역할

 호르몬에따라(월경주기/폐경기전후) 비슷한 미생물 프로파일을 보이는 경향이 존재.

2. 잠시 거쳐가거나(여행자) 기회를 봐서 문제를 일으키는 존재(틈을봐서 돌변하는 침입자)

 수정을 위해 잠시 들어오게되는 미생물들이 있을 수 있음을 확인. 그러나 일부 인과관계는 확인되지 않았으나. 자궁 내막증을 가진 여성의 자궁 미생물 프로파일은 그렇지 않은 여성의 자궁 미생물 프로파일과 차이를 보였음.

3. 이도저도아니고 걍 백해무익한 존재(침입자)

 특정 질병을 가지고 있거나 특정 문제가 있을때 자궁/질에서 우점하고 있는것처럼 보이는 미생물 프로파일 결과가 있음.

결과는 그렇다고 쳐도 다양한 방법과 피험자들을 대상으로 pilot연구가 되어 있으니

우리는 이것을 보고 한걸음 더 나아가면 되지 않을까 합니다.

그리고 gut-brain을 시작으로 다양한 axis가 있는데 이번기회에 gut-organome 중 하나로 gut-vagina axis을 주창하는 기회를...

(와.. 역시 나와있네요.... Female Gut and Genital Tract Microbiota-Induced Crosstalk and Differential Effects of Short-Chain Fatty Acids on Immune Sequelae )

부록으로 논문에서 언급된 논문들을 SRA에서 확인해 봤는데, 혹시 사용하시려면 한번더 확인해보고 사용하시면 되겠습니다.

논문	SRA번호
Fang et al. (49)	PRJEB9626
Moreno et al. (47)	PRJNA329174
Walther-Antonio et al. (35)	SRP064295
Chen et al. (27)	PRJEB16013, PRJEB21098

저자 뒤에 표시된 괄호안 숫자는 논문내 에서 표시되는 reference 번호입니다.

출처: @sana_twice.09

8개의 variant caller 통합 도구

2018년 WGS이나 WES 혹은 Target Seq을 한 후 변이를 확인 할 때 으레 GATK를 사용하는 우리들에게 감사하게도 여러개(정확히는 8개)의 변이 caller 결과를 통합해서 확인 할 수 있는 논문이 발표되었습니다.

진짜 감사할지 이름만 appreci할지...

(구글 검색결과 글쎄요... 이유가 무엇인지는 모르겠지만 오늘이 2020년 9월 12일인데 인용 횟수가 4개네요..)

목적은 NGS를 임상에 사용하려면 유효한 variant를 call해야 하는데 분석 tool마다 어떤 variant는 call하고 어떤 variant는 call하지 못하는 경우가 발생해서 그럼 여기서 나온 결과와 저기서 나온 결과 합치자!!

근데 이 작업을 할 하는데?? 이게 그렇게 쉽다고?

그렇죠 이런저런 허들이 있고 동일한 위치에 A변이와 B변이가 있다고 나왔을 때 어떤 변이를 call했다고 인정할것인가?

모 변이를 call하고 변이들을 merge하고 필터링하는 파이프라인을 개발했다는 것이 이 논문의 결론이고 민감도는 0.93-1.0, PPV는 0.65-1.0사이, 8개의 도구를 combine하였는데 caller를 줄이면 appreci8의 성능은 떨어지니깐 그러지 마세요 라고 얘기하고 있습니다.

여기서 사용하는 8개 caller들은 다들 많이들 사용하고 있는 GATK, Platypus, VarScan, LoFreq, FreeBayes, SNVer, samtools, VarDict되겠습니다.

appreci8은 여기서 docker로 제공되고 있고 분석을 한 일루미나 데이터는 여기에 위치하고 있습니다.

출처: @ye._.vely618

Entrez를 이용한 fasta 파일 다운받기

간만에 Biopython에 포함되어 있는 Entrez 함수를 이용하여 assceesion넘버로 fasta파일 다운받기를 해봤습니다.

git: https://github.com/gwlee/study/blob/master/entrez_access2fasta.py

python entrez_access2fasta.py accessionid 하면 {accessionid}.fasta파일이 생성됩니다.

참 쉽죠?

Biopython만 잘 사용하셔도 갱장한 것들을 하실 수 있으시고

그런 의미에서 다음번에는 좀더 재미진 내용으로 찾아오도록 하겠습니다. :)

출처: @sana_twice.09

bed파일을 편하게 다뤄주는 bedtools

bedtools를 설명하는데 swiss-army knife 만한게 없긴하지요
swiss-army knife 같이 다목적으로 적재적소에 쓰이는 좋은 물건 되겠습니다.

최신판은 2.29.2 되겠습니다. 당연한 얘기지만 상위버전으로 업데이트된 sub 명령어들의 옵션들이 추가되기 때문에 하위 버전 사용시 최근 메뉴얼 보시면 작동 안합니다. ㅋ
(웬만치 하위버전을 써야지.... 근데 이러는게 종종 있습니다. 그렇더라구요)

bed 포맷을 핸들링할때 굳이 스크립트 짜지 마세요
어설프게 짜고나서 나중에 후회마시고
그냥 bedtools 사용법을 남겨두고 써먹으시는게 서로 편합니다.

genome관련해서 사용할 만한 sub 명령어는

sort, merge, intersect, window 정도만 생각하고 있었는데.. 역시 coverage가;; 아놔.. 이거 겨우겨우 만들었는데...

역시 coverage라는 sub 명령어가;;;

여러분 힘들게 만들지 마시고 있는거 잘 활용하시면 

센스있는 분석쟁이로 가는 첫걸음입니다. :)

출처: @sana_twice.09

Long Read Assembler 설치 작업 로그

오랜만에 작업 로그용 글입니다. :)

Long Read(aka Nanopore)를 위한 assembler의 설치에 대한 로그로... 모 그렇게 자주 사용 될일이 없을것 같지만.. 그래도..

root권한 또는 sudo권한이 없는 상황을 가정하고 설치하는게...
나중에 편합니다. root권한 있으면 편하지만 나같은 쩌리한테 호기롭게 root권한이나 sudo를 부여할 이유가 있겠습니까? 그냥 없으면 없는대로 사는법도 알고 있어야... :)


canu (https://github.com/marbl/canu/releases)

$ wget https://github.com/marbl/canu/releases/download/v2.0/canu-2.0.Linux-amd64.tar.xz

$ tar -xvf canu-2.0.Linux-amd64.tar.xz

또는

$ git clone https://github.com/marbl/canu.git

$ cd canu/src

$ make -j <number of threads>


wtdbg2 (https://github.com/ruanjue/wtdbg2)

$ git clone https://github.com/ruanjue/wtdbg2

$ cd wtdbg2 && make


Raven (https://github.com/lbcb-sci/raven)

$ git clone --recursive https://github.com/lbcb-sci/raven.git raven

$ cd raven && mkdir build && cd build

$cmake -DCMAKE_BUILD_TYPE=Release .. && make

$ ./bin/raven

단, raven은 cmakr 3.9이상이 필요합니다. cmake 설치는 아래에 따로..


Racon (https://github.com/lbcb-sci/racon)

$ git clone --recursive https://github.com/lbcb-sci/racon.git racon

$ cd racon

$ mkdir build

$ cd build

$ cmake -DCMAKE_BUILD_TYPE=Release ..

$ make

racon의 경우 raven이 아닌 miniasm_and_minipolish.sh 작업시 racon을 찾아 해매서 racon 설치도 진행하였습니다.


flye (https://github.com/fenderglass/Flye)

$ git clone https://github.com/fenderglass/Flye

$ cd Flye

$ python setup.py install --prefix=/path/to/install/

또는

$ python setup.py install --user

※ --user 라는 옵션이 갱장히 편합니다. 대신 나만 됩니다.





cmake (https://cmake.org/)

$ wget https://cmake.org/files/v3.10/cmake-3.10.3.tar.gz

$ /bootstrap --prefix=/path/to/install/

$ make

$ make install

※ prefix를 설정하지 않으면 /usr/bin 모 이런데에 설치 되므로 설치가 제대로 되지 않기 떄문에 prefix를 설정하는것이 정신건강에 이롭습니다. :)

출처: @sana_twice.09

Benchmarking of long-read assemblers for prokaryote whole genome sequencing

나노포어는 현존하는 시퀀서중에 가장 긴 서열을 뽑아내는 시퀀서임에는 그 누구도 부인하지 못할것입니다. 근데.. 생산된 리드의 각 base의 phred score를 보자면.. 왜 갑자기 눈에서 물이나오는 이유는 왜때문일까요?
(그렇지만 저는 de-novo할때 보수적인 그룹이 아니라면 나노포어를 권장하는건 비밀..)

여하튼.. 현재 나노포어 어셈블리 용으로 이런저런 어셈블러가 판치고 있는 난세에 누가누가 좋은지 확인하는 작업을 해서 투고하신분이 나타나셨습니다.
제목도 정직합니다. 단, prokaryote대상입니다.
Benchmarking of long-read assemblers for prokaryote whole genome sequencing

prokaryote에서도 개판이면 굳이 사용할 이유가 있겠느냐? 주의 되겠습니다.
일단 가장 좋은것은 모르겠지만 최악은 걸러내야 해야 시간 낭비, 전기 낭비 하지 않지 않겠습니까?

현재(aka 당시에) 돌려볼 수 있는 7개 어셈블러 (Canu, Flye, Miniasm/Minipolish, NECAT, Raven, Redbean, Shasta)의 성능을 비교 평가 했습니다.
어셈블리의 정확성은 당연하고, prokarypte다 보니 circularisation도 중요하고, 계산시 사용되는 리소스와 분석 시간등을 평가했다고 합니다.

아름다운 figure는 상단에 링크된 논문에서 감상하시면 되고,
canu는 그나마 볼만한 서열들을 제공해줬고
flye는 canu다음으로 괜찮은 서열로 어셈블리 했다고 합니다.
redbean(wtdbg2) 과 shasta는 계산 리소스와 분석 시간에서는 효율적이었지만 결과는 그다지 효율적이지 않았고 하네요.

그래서 종합해서 논문에서 결론을 냈는데
모.. de-novo aseeembly 해보신분이라면 알고계시다 싶이.. 다들 장단점이 있었고, 원탑인 어셈블러는 없었지만 그 중에서 Flye, Miniasm / Minipolish와 raven이지 않나 싶다고 하네요

Flye는 믿을만한 서열을 제공했고(low depth에서도 나름..)
Miniasm / Minipolish는 circularisation이 좋았고
raven은 identity가 낮은 read set들에서 tolerant가 있었다고 합니다.

역시 최적의 어셈블리를 위한 정도는 당신이 사용 가능한 리소스를 동원해서 다양하게 돌려보고 비교한 게 킹왕짱이지 남의말 믿고 쓰면 너만 바보 되고
개발자님들인 이런 상황이니 개발좀 굽신굽신 :)

출처: @sana_twice.09

DTC는 얼마나 벌고있을까?

SARS-CoV-2로 어수선한 요즘이지만 이전부터 유전체 검사중 DTC(Direct To Consumer, 소비자 직접 의뢰) 상품/서비스들은 과연 돈은 벌고 있는지 공시자료에 그 정보들이 있지 않을까해서 한번 찾아봤습니다.

확인 기준은 현재 2019년도 사업보고서가 올라오지 않아서 2019년 9월이 제가 확인 가능한 최신 자료입니다.

	대분류	상세분류	단위: 백만원
마크로젠	용역매출	DNA Sequencing Microarray	77,356 3,855
테라젠이텍스	유전체사업(용역)	제노맘(NIPS)	1,140
		제노브로(착상전배아검사)	351
		유전체분석(기타용역서비스)	102
		유전체분석(Hellogene/Total Omics)	9,496
		진스타일SKIN	187
디엔에이링크	개인유전체분석	DNAGPS	620
랩지노믹스	용역	일반진단	10,839
		분자진단(유전체)	8,024
녹십자	유전자분석	유전체분석용역등	8,547
	임상검사분석	임상시험검사분석서비스	813
EDGC	유전체진단서비스매출	비침습산전진단	1,925
		신생아유전질환스크리닝	462
		안과질환유전체분석	6
		진료과별맞춤(gene2me)	459
		DTC(gene2me)	98
		유전성유방/난소암진단(BRCEARE)	40
		피부진단검사(Skincare)	12
		생체나이진단검사	43

마크로젠도 DTC사업을 진행하고 있지만 공시자료로는 어떻게 얼마나 매출을 올리는지 알기가 어렵네요. 랩지와 녹십자도 좀 구분하기는 어려웠습니다. 테라젠, 디링과 EDGC는 그래도 잘 구분해 놓아서 DTC 사업으로 어느정도 매출을 올리고 있는지 대략적으로 알 수 있었습니다. :)

사실 DTC는 순수히 고객이 요청해서 받을 수 있는 DTC의 매출을 정확히 확인 할 수 있었던 기업은 그나마 구분을 잘해놓은 테라젠과 EDGC정도? 디링의 DNAGPS는 DTC와 의료기관에서 진행가능한 유전체 서비스가 섞여있는것으로 알고 있어서...

갑자기 나는 왜 DTC 사업을 영위하고 있는 업체들의 DTC 매출을 궁금해 했는가...?
(aka 아 저 인간이 또 무슨 헛소리를 할려고 이걸 조사했지? ㅋㅋ)

출처: @sana_twice.09

현재 SARS-CoV-2 Tree를 그리면 어떻게 나올까

2월 28일 기준 2월의 마지막 주말을 맞아 gisaid에 몇개나 업로드 됐는지 확인하러 들어 갔는데 200개가 넘었네??
(2020년 2월 29일 현재 234개임)

그래서 tree 그려보면 어떻게 나올까 궁금해서 한번 그려봤습니다.
근데 200여개 중에 full length로 보이는 거는 대략 164개 정도

그래서 164개 골라내고 SARS 4개 서열과 MERS 2개 서열을 함께 align하고 tree를 그냥 후딱 그려보았다.
(집에서 그냥 작업용으로 사용하는 PC가 i3에 그냥 서류작업에 샘플 테스트는 돌릴 수 있는 정도지 무엇인가 작업하기에는 어렵지 않겠습니까? 그래서 다음과 같이...
최소한의 부하가 걸리지 않는 옵션으로...)

Align: mafft in.fa > out.fa (정확도를 높이는 작업은 진행안했다. 집 컴퓨터로 하려니 안끝나서)
Phylogentic Tree: MEGA X (Maximum Likelihood, General Time Reversible model 사용 했고, 당연히 Bootstrap 100이도 해보려고 했는데 안끝나서 결국 컴터를 껐다는 Orz)

근데 서열중에 Pangolin이라는 단어에 2017이라는 숫자가 있어서 뭐지? 했는데
이게 바로 그 천산갑  ㄷㄷㄷ
천산갑을 벌써 시퀀싱해서 올렸나? 근데 샘플링날짜가 2017? 모지.. 여튼


여튼 그냥 집에서 대충 취미삼아 그려본거...
우리나라에서 올라온 서열들은 7개가 있는데 SNU01, KCDC12, KCDC03/05/06/07/24 3그룹으로 나눠지는 듯한.....

이거 가지고 알 수 있는것은 7명에서 얻은 샘플이 gisaid에 올라와 있고 다른 서열들과 비교해보니 이렇다더라 정도...

그냥 가볍게 보시면 될것 같습니다. :)

GISAID 164ea + Other

GISAID 164ea

ps. 음... 위의 이미지를 저도 한번 봐봤는데 잘 안보이네요..

그렇게 꼭 보고 싶으시면 메일 보내주시면 대단한것도 아니니 164개와 SARS/ MERS 서열 파일 보내드리겠습니다.

출처: @sana_twice.09