Hyppää sisältöön

HTSeq

HTSeq on Python-paketti korkean suorituskyvyn sekvensointidatan käsittelyyn. Sen käytetyin osa on htseq-count, joka laskee, kuinka monta kohdistettua lukua osuu kuhunkin geeniin GTF- tai GFF-annotaatiossa. Tuloksena saatavia laskentataulukoita käytetään syötteenä differentiaalisen ilmentymisen analyysiin, esimerkiksi DESeq2:lla.

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia GNU GPLv3 -lisenssillä.

Saatavuus

  • Roihu-CPU: 2.0.3 ja 2.1.2 (moduuli py-htseq), bio-apps-moduulin kautta.

Käyttö

HTSeq on osa bio-apps -kokoelmaa Roihussa. Lataa ensin bio-apps -moduulipuu ja sitten HTSeq-moduuli:

module load bio-apps/v202603
module load py-htseq/2.1.2

Moduuli tarjoaa komennot htseq-count, htseq-count-barcodes ja htseq-qa sekä HTSeq-Python-kirjaston.

Esimerkiksi voit laskea paikkaan lajitellun BAM-tiedoston lukujen määrät juosteistamattomasta kirjastosta geeneittäin:

htseq-count -s no -r pos -c counts.tsv sample.bam genes.gtf

Tarkista nämä valinnat ennen kuin suoritat htseq-count-komennon:

  • -s: kirjaston juosteisuus. Oletusarvo on yes. Käytä arvoa no juosteistamattomille kirjastoille ja reverse käänteisjuosteisille kirjastoille, kuten dUTP-pohjaisille kiteille. Väärä asetus jättää huomaamatta monet luvut laskematta.
  • -r: paripäädatan lajittelujärjestys. Oletusarvo on name. Käytä arvoa pos paikkaan lajitelluille BAM-tiedostoille, mikä on samtools sort -komennon oletus.
  • -t ja -i: laskettava piirteen tyyppi (oletus exon) ja attribuutti, joka ryhmittelee piirteet geeneiksi (oletus gene_id). Oletusarvot sopivat Ensemblin GTF-tiedostoille.

Laskennat kirjoitetaan -c-valitsimella annettuun tiedostoon tai vakiotulosteeseen, jos jätät sen pois. Viimeiset rivit (__no_feature, __ambiguous ja niin edelleen) näyttävät, kuinka monta lukua ei laskettu ja miksi.

Esimerkkieräajokomentosarja

htseq-count voi käsitellä useita BAM-tiedostoja kerralla, yhden ytimen tiedostoa kohti, ja kirjoittaa yhden laskentasarakkeen tiedostoa kohti. Aseta prosessien määrä valitsimella -n:

#!/bin/bash
#SBATCH --job-name=htseq
#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=4
#SBATCH --mem=16G

module load bio-apps/v202603
module load py-htseq/2.1.2

htseq-count -s no -r pos -n $SLURM_CPUS_PER_TASK -c counts.tsv \
    sample1.bam sample2.bam sample3.bam sample4.bam genes.gtf

Korvaa <project> CSC-projektillasi (esimerkiksi project_2001234).

Katso lisätietoja eräajojen suorittamisesta kohdasta eräajokomentosarjan luominen Roihulle.

Tuki

CSC:n Service Desk

Lisätietoja

Onko tämä sivu hyödyllinen?
Kiitos palautteestasi!
Kiitos! Arvostamme palautettasi.

Kerro meille miten voisimme parantaa tätä sivua ottamalla meihin yhteyttä .