tags: - Free

wtdbg2

wtdbg2 on nopea de novo kokoamistyökalu pitkäkestoiseen sekvenssidataan, jota tuottaa PacBio tai Oxford Nanopore Technologies -sekvensserit.

wtdbg2

Lisenssi

Vapaasti käytettävä ja avoin lähdekoodi GNU GPLv3 -lisenssillä.

Saatavuus

Puhti: 2.5

Käyttö

Puhtilla wtdbg2 aktivoidaan lataamalla biokit-moduuli:

module load biokit

Tämän jälkeen voit käyttää wtdbg2 assembleria ja wrpoa-cns konsensointikomentoja. wtdbg2 kokoaa raakatiedot ja luo contig-mallin ja reunan sekvenssit tiedostossa prefix.ctg.lay.gz. Suoritettava wtpoa-cns käyttää tätä tiedostoa ja tuottaa lopullisen konsensuksen FASTA-muodossa.

Tyypillinen työnkulku näyttää tältä:

wtdbg2 -x rs -g 4.6m -t 16 -i reads.fa.gz -fo prefix
wtpoa-cns -t 16 -i prefix.ctg.lay.gz -fo prefix.ctg.fa

wtdbg2-komennossa -g on arvioitu genomin koko ja -x määrää sekvensointiteknologian, joka voi olla arvoltaan rs PacBio RSII:lle, sq PacBio Sequelille, ccs PacBio CCS-lukemille ja ont Oxford Nanoporelle. Tämä optio asettaa useita parametreja ja se tulisi soveltaa ennen muita parametreja. Jos et saa hyvää kokoamista, saatat tarvita muiden parametrien hienosäätöä wtdbg2-manuaalin kuvaamalla tavalla.

Mikäli genomi on suuri (yli 10 Mb), wtdbg2:n kokoamisprosessi voi kestää useita tunteja tai päiviä. Puhtilla tällaiset suuret tehtävät tulisi aina suorittaa erätehtävinä.

Alla on esimerkki erätehtävätiedostosta C. elegans genomin kokoamiseen.

Esimerkkiaineisto ladattiin ENA-tietokannasta komennoilla:

enaDataGet SRR5439404 -f fastq
mv SRR5439404/SRR5439404_subreads.fastq.gz ./

Varsinainen kokoamistehtävä suoritettiin alla olevalla erätehtävällä:

#!/bin/bash
#SBATCH --job-name=wtdbg2
#SBATCH --account=<project>
#SBATCH --time=12:00:00
#SBATCH --ntasks=1
#SBATCH --nodes=1
#SBATCH --output=wtdbg2_out_32_%j
#SBATCH --error=wtdbg2_err_32_%j
#SBATCH --cpus-per-task=32
#SBATCH --mem=64G
#SBATCH --partition=small

module load biokit

wtdbg2 -x rs -g100m -t $SLURM_CPUS_PER_TASK -i SRR5439404_subreads.fastq.gz -fo c_elegas_test
wtpoa-cns -t $SLURM_CPUS_PER_TASK -i c_elegas_test.ctg.lay.gz -fo c_elegabs.ctg.fa

Yllä olevassa esimerkissä <project> tulisi korvata projektisi nimellä. Voit käyttää csc-projects tarkistaaksesi CSC-projektisi. Maksimiaika on asetettu 12 tunniksi (--time=12:00:00). Koska wtdbg2 käyttää säiepohjaista rinnakkaisuutta, prosessi katsotaan yhdeksi tehtäväksi, joka tulisi suorittaa yhdellä solmulla (--ntasks=1). Tehtävä varaa 32 ydintä --cpus-per-task=32, jotka voivat käyttää yhteensä enintään 64 Gt muistia (--mem=64G). Huomaa, että käytettävien ytimien määrä on määriteltävä myös wtdbg2 ja wtpoa-cns komennoissa. Tämä voidaan asettaa optiolla -t. Tässä tapauksessa käytämme $SLURM_CPUS_PER_TASK muuttujaa, joka sisältää --cpus-per-task arvon (voimme myös käyttää -t 32, mutta silloin meidän täytyy muistaa muuttaa arvoa, jos varattujen suorittimien määrä muuttuu myöhemmin).

Tehtävä lähetetään erätehtävien järjestelmään sbatch komennolla. Esimerkiksi, jos erätehtävä tiedosto on nimeltään wtdbg2_job.sh, niin lähetyskomento on:

sbatch wtdbg2_job.sh

Lisätietoja erätehtävien suorittamisesta löytyy Puhtin käyttäjän oppaan erätehtäväosiosta.

Lisätietoa

wtdbg2 kotisivu