mummer4, 미처 알아보지 못했다

mummer는 서열 정열프로그램으로 꽤나 오래부터 사용되었던...
NGS시대에 접어들면서 일반적으로 사용되지는 않고...
Reference 제작할때 종종 쓰이는...

MUMmer이라고 보통 쓰는데... MUM의 의미가 "Maximal Unique Matches"라고.. 여기에 나와있었네요..

그리고 이번에 알았는데.. MUMmer는 당연히 target와 query는 fasta형식만 입력될줄 알았는데 input으로 fastq도 사용할 수 있다는..
당연히 fasta 형식으로 변경해서 사용하려고 했는데... 작동해서 잠깐 화장실좀 다녀왔다능..

input으로 fastq형식을 받을 수 있는 버전의 tools이 2018년도에 논문으로 출판되어 한번 들추어 보았습니다.

이름하여 MUMmer4: A fast and versatile genome alignment system

이전 MUMmer3 이후 데이터구조를 32bit에서 48bit로 증가시켜 이론적으로 비교가능한 크기가 141Tbp (다시 한번 화장실을 다녀오게 만드는.....)로 늘렸다는.. 근데 이거 141Tbp이 입력 파일이면 입력 파일 로딩하는데만 한세월 아닌가...

여튼..

MUMmer4 논문 작성 할때 언급해준 정렬 프로그램으로
그냥 생명정보학 분석한다고 할때 기본 옵션인 BWA/Bowtie,
PacBio 데이터 할때 사용하는 BLASR 들을 언급해 주셨는데
이제 fastq형식의 파일을 지원해서
reference vs reference 비교 프로그램이 NGS용 정렬 프로그램들에게 어깨를 나란히 할 수 있는 기회를...

mummer라고 하면 갱장한 legacy 프로그램이라고 생각할 수 있지만...
다방면으로 개선 시킨 mummer4를 하나하나 뜯어보면 갱장히 힙해졌다고 볼 수 있습니다.

NGS 시대에 다양하게 쏟아져 나오는 reference크기에 대응할 수 있도록 비교 사이즈의 증가(141Tb)되었고, 또한 긴 서열 작업시 메모리 문제가 발생할 것을 대비해서 긴 서열들을 자동으로 분할해서 작업해주는 --batch라는 옵션기능까지...

mummer4의 새로운 기능들이 갱장히 많아졌습니다.

reference 서열을 제작하는 de-novo assembly하시는 분들 외에도 다양한 작업시 사용할 수 있을것으로 생각되니 한번 기능들 구경해보시고 활용해보시기 바랍니다.

그런데... 사실 NGS 서열 정렬은 역시 여기가 맛집이긴 합니다.

ps. BLAST에서도 query파일을 fastq 형식을 받을 수 있다고 합니다. 이름하여 Magic-BLAST를 사용하시면되겠습니다. 속도는 잘 모르겠습니다. ㅎㅎ 

@ye._.vely618

 

cffDNA의 fraction을 증가시켜 위음성과 NIPS 실패율을 줄일수 없을까

비침습적 산전 선별 검사인 NIPS에서 가장 중요한 부분은 엄마의 혈관안에 있는 태아로부터 유래된 cell free DNA을 얼마나 많이 확보하는것 입니다. 

그래서 분석적인 측면 뿐만 아니라 실험적인 측면에서도 태아의 cell free DNA를 enrichment할 수 있는 방법이 없을까 많은 방법들을 고민했고 하고 있는 중이죠

이 논문 또한 그런 맥락에서 시작하여 기존 실험 방법보다 태아 분획이 증가시켜 정확도를 향상시켜 이전에 확인하지 못했던 trisomy도 추가로 확인할 수 있었다고 얘기하고 있습니다.

An enrichment method to increase cell-free fetal DNA fraction and significantly reduce false negatives and test failures for non-invasive prenatal screening: a feasibility study

https://translational-medicine.biomedcentral.com/articles/10.1186/s12967-019-1871-x

NIPS/NIPT를 시작할 때 우리 Lo 훃아를 빼놓고 얘기 할 수 없겠죠?

그리고 사회적 요구와 기술 발전을 통해 NIPS/NIPT는 모든 산모가 침습적 검사를 하지 않도록 대안으로 빠르게 부상하였고 정확도 향상으로 21/18/13번 삼염색체의 경우  민감도/특이도 95%이상으로 나오고 있다고 합니다. (다른 논문에서는 21번은 한.. 98%정도였던것으로 기억하는데...)

여튼 그래서 이전의 확보된 만개의 NIPS 데이터로 최적화 작업을 하였고 , 1404개의 NIPS 실제 검체(11개의 위음성 검체가 포함된)를 가지고 테스트를 진행해 보았다고 합니다.

그리고 시퀀서는 JingXin BioelectronSeq 4000 시스템에서 시퀀싱을 하였다고 합니다.
?? 어디라고? CFDA 등록 허가 번호를 받은 반도체 시퀀서라고 합니다. Orz..
보아하니... 천조국 회사로 바꿔보자면 Thermo이지 않을까 합니다.
그래도.. 읽기 시작했으니깐.. 

근데 솔까말 cffDNA를 실험적으로 enrichment하는게.. 이 논문이 처음은 아니었던거 같은데...

여튼 결론은 실험적으로 160bp(엄마의 평균 cfDNA 길이)보다 짧은 서열들을 모으는게 핵심적이고 그리고 160bp보다 짧은 서열들이 진짜로 결과에 (좋은)영향을 주는지도 확인해 보았다고 합니다.

Table 1의 정리된 내용은 NIPT테스트에서 실패율이 감소하였다는 (그래서 재채혈 이슈가 줄었을것이라는...)

Table 2의 정리된 내용은 기존의 11개 위음성 검체가 있었는데 새로운 cffDNA 농축 방법을 사용함으로 11개 검체중 5개는 양성으로 확인되어 위음성도 효과적으로 감소 시킬 수 있다는것을 보여주었답니다.
-cffDNA를 농축하여 실패율을 줄이고 위음성도 줄일 수 있지만 그래도 현재 기술로는 100% 위음성을 피할 수 없다는것-

결론은 분석도 중요하지만 일단 실험이 잘 되어야 한다는 자명한 사실을 한번더 알려주는 논문이라는... :)

그리고 일하기 싫을때도 딴짓은 과학이라는....

출처: @ye._.vely618

Forensic Microbiome Database

Forensic Microbiome Database: A Tool for Forensic Geolocation Meta-Analysis Using Publicly Available 16S rRNA Microbiome Sequencing

DOI : 10.3389/fmicb.2021.644861



간만에 재미난 제목의 논문이 있어 올려봅니다.

Microbiom Database인데 법의학을 위한...

미생물검체를 시퀀싱한 결과를 분석툴에 돌리고나면 이 미생물검체가 어디서 채취되었는지.. 사람의 어느 부위 또는 지리적 위치와 같은 것을 알려줄수 있는 DB가 있다면 범죄추적에 갱장히 많은 도움을 주겠죠?

그래서 결론은 다양한 분야와 연구자들의 지속적인 데이터 공유로 DB의 업데이트가 필요하니 굽신굽신 (가능하면 다양한 샘플을 정교하게 분류하고 tag 달아서)




미생물을 이용한 법의학하니 옛날에 CSI에서 신발바닥이나 바지밑단 뭍은 물질을 바탕으로 범인의 행동반경이나 직업들을 유추하거나 시체에서 애벌래나 성충이 되는 벌레들을 가지고 대략적인 사망시간 추정 또는 시체가 다른곳에서 유기되었는지도 추측하는 장면이 나왔었는데 만약 미생물 정보를 활용하여 사건 장소나 범인에 대한 정보를 예측할 수 있는 좋은 도구가 될것 같네요

다만 시퀀싱할때마다 시퀀싱되는 종들의 편차가 잘못된 결과를 도출 할 수 있으니 이런 편차나 문제를 극적으로 줄여 줄 수 있는 실험방법이나 분석방법이 나오면 참 좋을듯하네요

간단하게 생각나는 건...
임의의 장소에서 채취된 A검체를 시퀀싱한 결과를 DB에 대고 샘플링(100번 혹은 1000번정도)해서 비교해서 가장 비슷한 DB의 결과를 확률적으로 보여주는 방법 정도?

그리고 Microbiom을 더 정확하게 분류해놓은 DB가 필요하다는.. (사실 모 이건 모든 Microbiom 서비스를 하는 곳에서 요구되는 사항이긴 하지만..)

그리고 이 흥미진진한 내용을 보고 싶으시면 >이곳< 을 방문하시면 될것 같습니다.




그럼 4월 마지막 주를 활활 불태워 보고자 흥미진진한 논문 한번 올려봤습니다. :)

출처: @candyz_hyojung

A review of somatic single nucleotide variant calling algorithms for next-generation sequencing data

오랜만에 먼지 뒤집어 쓰고 있던 논문하나... 슬쩍...

somatic mutation call관련해서 누가누가 잘하나 훑어본...

다들 알고 있으신 논문 되겠습니다.

A review of somatic single nucleotide variant calling algorithms for next-generation sequencing data

여기서 가장 훌륭한 내용을꼽으라면...

variant caller를 아주 일목요연하게 정리한 Table 1. 되겠습니다. 

(물론 Table 2.도 있습니다.)

이거 보시고 ensemble한 걸 생각하신다면 이전에 소개했었던 appreci8 잊지 않으셨겠죠?

결론적으로 DeepVariant 딥러닝 기반의 성능좋은 caller가 계속해서 나올꺼니 님들 연구 계속 열씸히들 하시고 somatic variant를 검증할 수 있는 데이터셋이 아직 없으니 이거 좀 만들어봐 되지 않을까합니다.

물론 논문에서 언급한 GIAB 프로젝트가 잘 되고 있으니 곧 somatic variant를 검증할 수 있는 set들도 잘 구비되지 않을까 합니다. MAQC/SEQC 프로젝트도 잘 운영되고 있으니..

그리고 뒤적뒤적 거리다 논문 하나를 봤는데.. 

 "A somatic reference standard for cancer genome sequencing" 라는...

여기 나온 데이터를 가지고 somatic variant pipeline 검증 할 수 있을지는 모르겠지만 그래도 활용은 할 수 있지 않을까 하네요... 한번 뒤적여봐야하겠네요.

출처 : @ye._.vely618

pip를 이용한 패키지 설치 그리고 삭제

하도 잘 까먹어서....

python3 -m pip install --user <package name>

python3 -m pip uninstall <package name>

그렇다고 합니다.

ps. 요즘에 cutadapt를 잘 안써서 이번에 알았는데 cutadapt 설치시 ubuntu에서는 apt사용해서 설치 가능하다능...

출처 @ye._.vely618

HLA를 빠르고 정확하게 할 수 없을까

그래서 나노포어가 준비했습니다.

절대적으로 빠른 건지, 정확도의 수준은 정확히 모르겠으나 일단 샘플당 $80되겠습니다.
물론 이게 재료비값인지 소비자가인지는.....
아마 본인들이 했을때 가격인듯.... (일반 소비자가 이 가격에 가능할지는 모르겠네요)

Rapid, highly accurate and cost-effective open-source simultaneous complete HLA typing and phasing of class I and II alleles using nanopore sequencing

그럼 HLA(Human leukocyte antigen)검사는 무엇이냐? 쉽게 얘기하면 장기이식할때 장기이식할수 있는지 여부를 확인하는 검사되겠습니다. 이 HLA가 내거와 내거 아닌거를 구분하게 해주는 녀석되겠습니다. 

면역학 책 들춰보시면... 책을 덮습니다.

일반적으로 HLA는 A,B,C인 Class I, DRA1, DRB1/3/4/5, DQA1, DQB1, DPA1, DPB1인 Class II인데 우리나라는 A,B,C를 포함해서 일부만 본다고 합니다. 

여튼 나노포어는 긴 길이로 시퀀싱하는 장점과 빠른 시퀀싱속도를 바탕으로 시퀀싱 시간은 8시간내 (물론 라이브러리 제작시간은... 따로 좀 봐야할것 같습니다.) 분석은 샘플당 30분(근데 사용한 서버 수준이... 32core 256g 메모리 서버)소요 됐다고하는데...

1 샘플(aka 1검체)의 경우 나노포어 한개 사용해서 기존 일루미나나 써모 플랫폼보다 빠르고 싸게 결과를 도출할 수 있도록 해준다는데...

영어의 짧음인지...  가끔 나노포어가 더 안좋아 보이게 설명하는거 같기도합니다. 

결론은 나노포어가 더 길게 시퀀싱하기 떄문에 복잡한 HLA에서 더 정확하게 구별할 수 있고,
기존에 short 시퀀싱에 적합한 pcr primer말고 long range PCR에 적합하게 프라이머를 변경해서 진행하면 HLA의 복잡한 부분들을 더 잘 잡아낼 수 있을것이라고 털고있습니다.

여튼 개인적으로 기존 short 시퀀서 플랫폼 보다는 나노포어가 HLA에서는 좀더 나은 성능을 보여주지 않을까합니다. HLA의 복잡도 때문에 나노포어의 장점을 활용할 수 있는 PCR 프라이머로 재 디자인해서 진행하면 시퀀싱 시간/분석 시간/정확도에서 가장 적합하기 않을까하는 생각입니다.

@ye._.vely618

fastq-dump 사용

fastq-dump는 NCBI의 SRA(Sequence Read Archive)에서 fastq를 다운 받을 때 사용하는 명령어로 프로그램을 다운받고자 fastq-dump를 찾으면 딱히 나오는게 별로 없을것이다.

fastq-dump대신 sra-toolkit을 찾아야 fastq-dump를 사용할 수 있는 명령어를 다운받을 수 있다.

다운로드 받을 수 있는 곳은 바로 >여기< 

OS별로 다운받을 수 있도록 잘 안해하고 있고 어떻게 설치 하는지도 잘 안내되어 있다.

컴파일에 자신있다면 source code를 다운받아 컴파일을 하는것을 권장한다. 그렇지 않다면 걍 컴파일 된 binaries 파일을 다운로드 받아서 사용하자 (정신건강에 좋다).

예전에 그냥 fastq-dump를 사용할 수 있었는데 이번에는 그냥 실행이 안되더라..

vdb-config

라는 명령어를 사용해서 나름의 환경설정을 하고 난 다음에 사용 가능하니 사용에 주의 부탁드립니다. 환경설정라고 해서 딱히 어려운것은 없고 그냥 한번 실행해주고 [Save]하고 나오면 되는 정도..

그럼 fastq-dump를 사용할 수 있게 된다.

>이곳<을 방문하면 NCBI에서 다운 받을 수 있는 리스트들이 나오는데

여기서 SRX로 시작하는 id말고 한번더 링크를 타고 들어가서 보이는 SRR로 시작하는 runid를 확보하면 fastq-dump를 사용하여 내 PC에 fastq 파일을 다운로드 할 수 있다.

sratoolkit.2.x.x-ubuntu64/bin/fastq-dump --split-3 sra_id

이렇게 명령어를 실행하면 실행한 디렉토리에 sra_id_1.fastq sra_id_2.fastq 파일이 짜잔하고 생성된다.

@winterr.aespaa

isPcr 사용법

내가 디자인한 (아마도 업체나 primer3에서 디자인된..) 프라미어 서열이 진짜 잘 작동할까? 궁금하신 분들이 있겠죠..

그래서 이것 저것 컴퓨터 하는 애들이 얘기하는 ncbi에 들어가서 blast라는 것도 한번 돌려보고 ucsc에 blat이라는 것도 있다던데 그것도 한번 돌려서 확인해보라는데... 

그래서 kent옹께서 우리들과 같은 꼬꼬마들을 위해서 만들어 놓은 사이트가 바로

UCSC In-silico PCR 되겠습니다.

물론 사이트에서 하나씩 할 수도 있고 

당근 local 서버에 다운받아서도 할 수 있습니다.

다운로드는 >여기< 로

다운로드 받은 isPcr.zip 파일을 압축 푼 후 

>chmod 755 isPcr 

>./isPcr

하면 내 컴퓨터(운영체제가 윈도우라고는 안했다)에서 실행 가능합니다.

>isPcr <database> <query> < output>

database: 그냥 fasta파일의 human genome넣어주면되고

query: primer서열이 들어있는 파일인데 3개 컬럼으로 이뤄진 파일이 input으로 사용됩니다.

name, forward primer, reverse primer 컬럼 구분은 space나 tab으로 구분해주면되는데..
어떤건지 정확히는 다시 해봐야 알겠네요.. :)

@ye._.vely618

Mac OS에 Redmine 설치하기

오늘은 레드마인 설치기를....

처음에는 맥북에서 Bitnami가 제공하는 redmine을 사용하여 일감정리를 하고 있었는데 우리 Big Sur가 중간에 업데이트를 하면서 Bitnami redmine stack이 먹통이 되면서(중간 일감도 덤으로 요단강을 건넜다는...) 

결국 꼼수쓰지 않고 손수 설치를 강행했다는...

근데 워낙에 잘 정리된 문서가 있어서 생각보다 어렵지는 않았음

중간에 문제가 있을만한 것은 대부분

xcode-select --install

로 해결되는 문제였고

위의 정리된 문서나 블로그 한번 탐독 후 설치 진행하면 에러없이 잘 사용 할수 있다는 사실

마지막에 redmine 실행 시킬때는

bundle exec rails server webrick -e production -b 0.0.0.0

이렇게 하면 같은 네트웍대에 있는 사용자들은 내 레드마인에 접근 가능하다는..

현재 맥북 환경은 Big Sur (11.5.2, 한영키잘먹히는 개선 버전)으로 전혀 문제 없이 레드마인을 운영하고 있다는...

대신 다른 문서를 복붙할때 이모티콘이 있는 경우 저장이 안되는 문제가 있는데 이건 아마 redmine만의 문제가 아니라 mysql의 utf8사용시 utf8mb4을 사용하면 문제가 해결 된다는 얘기가 있는데.. 아직 안해봐서..... 어차피 일감 정리할때 이모티콘은 안쓰니...

출처: @candyz_hyojung

liftOver

liftover는 여러버전의 reference간의 위치를 정렬/보정해주는 작업을 뜻합니다.

Liftover작업하는 참고하는 site로 개인적으로 ucsc사이트를 가장 빈번히 사용하고있고 ucsc에서 사용하는 liftover 명령어는 여기서 다운받을 수 있으니 로컬에서 사용하시면되겠습니다.

다만 로컬에서 사용하려는 경우 변환하고자 하는 reference간 정보를 가지고 있는 chain 파일이 별도로 필요합니다. (아래 링크가 바로 그 chain 파일)

hg19>hg38

hg38>hg19

모든 genome이 가능한것은 아니고 일단 human과 mouse는 가능하고 chain 파일있다면 가능합니다. ucsc사이트를 보니 다른 기타 reference를 Human(hg38), Mm10과 비교할 수 있도록 chain 파일을 제공하고 있긴하네요..

cat같은 경우 Cat9toCat5, Cat9toCat8은 있는데 Cat5toCat8 또는 Cat8toCat5이 없는거 보니 5버전과 8버전은 좀 많이 다른 genome인가 봅니다.

여튼 liftover는 (별일 없으면 동일종이나 assembly 버전이 좀 다른) genome끼리 position을 정렬/보정해주는 작업이라고 생각하면되고 liftover라는 프로그램을 사용하시면 편안하고 안전하게 정렬/보정할 수 있습니다. (물론 이따금씩 잘 안되는 부위도 존재합니다.

사용법:

>liftOver oldFile map.chain newFile unMapped

oldFile: 원본 파일
map.chain: 위에서 언급한 chain 파일
newFile: 내가 원하는 버전의 genome으로 변환된 위치를 가지고 있는 파일
unMapped: 변환 중에 newFile로 변환되지 않은 부위를 저장하는 파일

출처: @jihoa_f