GenomeScope 2.0¶
GenomeScope 2.0 arvioi genomin koon, heterotsygotian ja toistojaksojen määrän genomissa kokoamattomien sekvensointilukujen k-mer-lukumäärien perusteella. Se toimii genomeille aina heksaploidiin asti.
Lisenssi¶
Vapaasti käytettävissä ja avointa lähdekoodia Apache 2.0 -lisenssillä.
Saatavuus¶
- Roihu-CPU: 2.1.0,
bio-apps-moduulin kautta.
Käyttö¶
GenomeScope on osa Roihun bio-apps -kokoelmaa. Lataa ensin bio-apps-moduulipuu ja sitten GenomeScope-moduuli:
GenomeScope tarvitsee syötteeksi k-mer-lukumäärien histogrammin. Voit tehdä sen
Jellyfishillä, joka kuuluu myös bio-appsiin. Laske lukujesi kanoniset k-merit
(-C) ja vie histogrammi:
module load jellyfish/2.2.7
jellyfish count -C -m 21 -s 1000000000 -t 8 reads_1.fastq reads_2.fastq -o reads.jf
jellyfish histo -t 8 reads.jf > reads.histo
Suorita sitten GenomeScope histogrammille ja anna laskennassa käytetty k-merin pituus:
Kuvaajat ja yhteenveto arvioiduista genomin ominaisuuksista kirjoitetaan hakemistoon
genomescope_out. Käytä valitsinta -p asettaaksesi ploidiatason, jos se ei ole 2.
Esimerkkieräajokomentosarja¶
K-merien laskenta vie eniten aikaa ja muistia, joten suorita koko analyysi eräajona:
#!/bin/bash
#SBATCH --job-name=genomescope
#SBATCH --account=<project>
#SBATCH --output=output_%j.txt
#SBATCH --error=errors_%j.txt
#SBATCH --partition=small
#SBATCH --time=04:00:00
#SBATCH --nodes=1
#SBATCH --ntasks=1
#SBATCH --cpus-per-task=8
#SBATCH --mem=16G
module load bio-apps/v202603
module load jellyfish/2.2.7
module load genomescope2/2.1.0
jellyfish count -C -m 21 -s 1000000000 -t $SLURM_CPUS_PER_TASK reads_1.fastq reads_2.fastq -o reads.jf
jellyfish histo -t $SLURM_CPUS_PER_TASK reads.jf > reads.histo
genomescope.R -i reads.histo -o genomescope_out -k 21
Korvaa <project> CSC-projektillasi (esimerkiksi project_2001234).
Katso lisätietoja eräajojen suorittamisesta sivulta eräajokomentosarjan luominen Roihulle.
Tuki¶
Lisätietoja¶
- GenomeScope 2.0:n GitHub-repositorio
- Ranallo-Benavidez, T.R., Jaron, K.S. & Schatz, M.C. (2020). GenomeScope 2.0 and Smudgeplot for reference-free profiling of polyploid genomes. Nature Communications 11, 1432