Oxford Nanopore Technologies碱基识别软件Guppy的关键参数“-c”

目录

一、前言

二、什么是配置文件(cfg文件)？

三、Guppy命令行中的"-c"

1.安装

2.命令行调用

3.cfg文件的选择

4."-c"参数的替代选项

四、总结

---

一、前言

Oxford Nanopore Technologies(ONT)在持续更新试剂耗材的同时，也在同步更新其碱基识别软件Guppy，目前已更新至6.4.6版本。Guppy既可单独下载部署于PC端或服务器端，也可以通过ONT测序控制软件MinKNOW进行调用。值得注意的是，PC端或服务器端部署有与Guppy匹配的GPU时，可在进行碱基识别(basecalling)时调用这些GPU进行加速计算，可大大减少碱基识别流转时长。也意味着，如果PC端或服务器端仅有CPU时，使用Guppy进行basecalling耗时会比较长。调用Guppy最需要注意的是，使用的配置文件(cfg文件)应与实际测序使用的测序芯片和试剂相匹配。

二、什么是配置文件(cfg文件)？

Guppy进行碱基识别时，用户需要告知用哪一种配置(cfg文件)进行basecalling。这里提到的配置，有2重意思：一是要指明用哪一种碱基识别模型，比如要从Fast、High accuracy (HAC/hac) 和Super accurate (SUP/sup) 中选一种；二是要明确使用的测序试剂盒耗材。目前Guppy支持的测序芯片和试剂类型如下所示，图中的E8、E8.1和E8.2代表不同系列的试剂所采用的的酶(enzyme motor)。

 同一批测序电信号文件，可以使用不同的碱基识别模型，只是准确度、计算资源和耗时有所不同。在ONT官网上对3种碱基识别模型有如下描述，简而言之就是Fast模型耗时最少，准确度最低；SUP模型需要的计算资源最多，但准确度也最高。用户使用时需要做个取舍。

The Fast model is designed to keep up with data generation on Oxford Nanopore devices (MinION Mk1C, GridION, PromethION). The HAC model provides a higher raw read accuracy than the Fast model and is currently 5-8 times more computationally-intensive. The Super accurate model has an even higher raw read accuracy, and is ~3 times more intensive than the HAC model.

三、Guppy命令行中的"-c"

1.安装

Guppy的安装相对简单，在https://community.nanoporetech.com/downloads页面找到Guppy，选中指定的版本下载安装即可。

2.命令行调用

以Ubuntu20.04为例，下载安装后，可在指定的安装目录(一般为ont-guppy)下的bin目录中找到guppy_basecaller，在Terminal中输入guppy_basecaller -h，可获得如下页面：

3.cfg文件的选择

通过如下帮助文档，可以清楚地看到，需要用户结合测序实验给定匹配的cfg文件。

With config file:
  guppy_basecaller -i <input path> -s <save path> -c <config file> [options]

那么，怎么查看Guppy支持的cfg文件呢？可以在ont-guppy下的data目录中找到以cfg为后缀的文件。

cfg文件有其命名规则，如：

<strand_type>_<pore_type>_<enzyme_type>_[modbases_specifier]_<model_type>_[instrument_type].cfg

这里给出大致解释：

strand_type: "dna"或"rna"，取决于测序模板.

pore_type: 可以理解为使用的测序芯片类型，如"r9.4.1"或"r10.4".

enzyme_type: 测序试剂总使用的马达酶，可以以酶的版本或酶的过孔速度来指定，如"e8.1" 或 "450bps".

modbase_specifier: 可选项，用于识别修饰碱基，如"5mc_cg"或"5hmc_5mc_cg".

model_type: 前文提到的fast、hac、sup或sketch(Sketch basecalling. This is primarily for use with adaptive sampling on the MinION Mk1C device to minimise latency.).

instrument_type: 可选项。如果没有指定，就默认为GridION或PC。"mk1c"或"prom"分别自带为MinION Mk1C或PromethION。

4."-c"参数的替代选项

当然，也并非必须使用"-c" 参数进行碱基识别。还可以通过给出"--flowcell"和"--kit"参数来代替"-c"参数。

With flowcell and kit name:
  guppy_basecaller -i <input path> -s <save path> --flowcell <flowcell name>
    --kit <kit name>

通过如下命令来查看支持的试剂盒和测序芯片：

guppy_basecaller --print_workflows

部分结果如下：

 但要注意的是，cfg文件涵盖的碱基识别模型要比"--flowcell"和"--kit"参数对应的模型要多，所以，还是建议以"-c"参数为主。

四、总结

"-c"参数比"--flowcell"和"--kit"参数对应的模型文件多，且一旦指定了"-c"参数，那么即使再指定"--flowcell"和"--kit"参数，Guppy也会忽略掉这2个参数，而是以"-c"为主。正确地选择cfg文件对进行碱基识别至关重要，用户在使用Guppy时应注意。