DInoPORE

DInoPORE 是一种从直接 RNA 测序数据中检测腺嘌呤到次黄嘌呤 (A-to-I) 编辑位点的计算方法。识别的编辑位点还将估计其编辑率。
下面列出了使用的计算环境和软件。使用文档可以在此 readme 的最后一节中找到。

所需软件

• Guppy_basecaller 3.2.4（请修改 S1.Basecall_map_nanopolish.sh 以指向它）
• 包含的第三方软件
  • Graphmap2 0.6.3
  • Sam2tsv (Jvarkit 的一部分) 34d8e7f7
  • Picard 2.21.6
• conda 环境中的软件包
  • python 3.8.5
  • h5py 2.10.0
  • nanopolish 0.11.1
  • pillow 8.3.1
  • pyyaml 5.4.1
  • requests 2.26.0
  • samtools 1.9
  • scipy 1.7.1
• R 包（R 版本 4.1）
  • Matrix 1.3.4
  • R.utils 2.11.0
  • Rcpp 1.0.7
  • abind 1.4.5
  • caret 6.0.89
  • data.table 1.14.2
  • doParallel 1.0.16
  • ff 4.0.4
  • foreach 1.5.1
  • keras >= 2.3.0
  • multiROC 1.1.1
  • optparse 1.6.6
  • pacman 0.5.1
  • plyr 1.8.6
  • pracma 2.3.3
  • scales 1.1.1
  • tensorflow >= 2.3.0
  • tidyverse 1.3.1
  • usefun 0.4.8
  • zoo 1.8.9
    DInoPORE 已在 CentOS Linux 7 和 Ubuntu 20.04 上进行了测试。

安装 - 创建 conda 环境

conda create -n myenv python=3.8.5 h5py=2.10.0 nanopolish=0.11.1 pillow=8.3.1 pyyaml=5.4.1 requests=2.26.0 samtools=1.9 scipy=1.7.1 
conda activate myenv

使用方法

bash mainscript1.sh -e <path/to/exptdir> -r <path/to/ref.fa> -n <num_threads> -g <aggregation_Group>
bash mainscript2.sh -e <path/to/exptdir> -r <path/to/ref.fa> -n <num_threads> -g <aggregation_Group> -c <class_Reference>

必需参数

• -e 包含 “fast5” 文件的目录的完整路径。用户必须对该目录的父目录也具有写入权限。
• -r 参考基因组 FASTA 的完整路径。
• -n 可供 DInoPORE 使用的线程数。
• -g 用户定义的组名称，用于指定属于同一组的运行。当跨多个实验运行进行汇总时，这会影响汇总步骤。
• -c 包含坐标的类别和编辑率信息的类别和编辑率参考（请参阅 code/misc/Example_classref.tsv 以获取格式）
  可选参数
• -d [y/n] 删除基础调用 fastq 文件？默认值为 n。
  示例

bash mainscript.sh -e /data/xen_s9_r1_50k -r /data/reference/xenLae2.fa -n 15 -g xen50k -c /data/xen_s9_r1_50k/groundtruth_class_regression.tsv

注意：mainscript.sh 期望在 exptdir 中找到 “fast5” 目录：

path/to/exptdir
└── fast5

文档

运行 Mainscript1.sh（步骤 1 到 3）对单个测序运行

(1) 基础调用 fast5 -> 映射到基因组参考 -> 运行 nanopolish 以提取信号

脚本：
S1.Basecall_map_nanopolish.sh (输入: $exptdir $ref $numcore)
输出：

• $exptdir/ou{t}_{f}ast{q}_{b}am/${expt}.combined.fastq
• e x p t