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:
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:
Tarkista nämä valinnat ennen kuin suoritat htseq-count-komennon:
-s: kirjaston juosteisuus. Oletusarvo onyes. Käytä arvoanojuosteistamattomille kirjastoille jareversekäänteisjuosteisille kirjastoille, kuten dUTP-pohjaisille kiteille. Väärä asetus jättää huomaamatta monet luvut laskematta.-r: paripäädatan lajittelujärjestys. Oletusarvo onname. Käytä arvoapospaikkaan lajitelluille BAM-tiedostoille, mikä onsamtools sort-komennon oletus.-tja-i: laskettava piirteen tyyppi (oletusexon) ja attribuutti, joka ryhmittelee piirteet geeneiksi (oletusgene_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¶
Lisätietoja¶
- HTSeq-dokumentaatio
- htseq-count-dokumentaatio
- HTSeqin GitHub-repositorio
- Putri, G. et al. (2022). Analysing high-throughput sequencing data in Python with HTSeq 2.0. Bioinformatics 38, 2943–2945