MAGScoT
MAGScoT (MAG Scoring Tool) pisteyttää ja tarkentaa metagenomikokoonpantuja genomeja (MAG) useista binnaustyökaluista. Se arvioi kunkin binin täydellisyyden ja kontaminaation GTDB:n (julkaisu 207) yhden kopion markkerigeenien perusteella, yhdistää eri työkalujen päällekkäiset binit ja valitsee parhaan joukon ei-päällekkäisiä binejä.
Lisenssi
Vapaasti käytettävissä ja avointa lähdekoodia GNU GPLv3 -lisenssillä.
Saatavuus
- Roihu-CPU: 1.1,
bio-apps-moduulin kautta.
Käyttö
MAGScoT on osa bio-apps -kokoelmaa Roihussa. Lataa ensin bio-apps-moduulipuu ja sitten MAGScoT-moduuli:
MAGScoT on R-skripti. Moduuli asettaa $MAGSCOT_INSTROOT-muuttujan asennushakemistoon,
joka sisältää skriptin ja hmm-hakemistossa GTDB:n markkerigeeniprofiilit.
Moduuli lataa myös Prodigalin ja HMMERin.
Etsi markkerigeenit kontigeista: ennusta geenit Prodigalilla, etsi niistä markkerit HMMERillä ja yhdistä osumat yhdeksi taulukoksi:
prodigal -p meta -i contigs.fa -a contigs.faa -o contigs.genes
hmmsearch -o tigr.out --tblout tigr.hits --noali --notextw --cut_nc --cpu 8 \
$MAGSCOT_INSTROOT/hmm/gtdbtk_rel207_tigrfam.hmm contigs.faa
hmmsearch -o pfam.out --tblout pfam.hits --noali --notextw --cut_nc --cpu 8 \
$MAGSCOT_INSTROOT/hmm/gtdbtk_rel207_Pfam-A.hmm contigs.faa
grep -v "^#" tigr.hits | awk '{print $1"\t"$3"\t"$5}' > contigs.hmm
grep -v "^#" pfam.hits | awk '{print $1"\t"$4"\t"$5}' >> contigs.hmm
MAGScoT lukee binit sarkainerotellusta tiedostosta, jossa on kolme saraketta eikä otsikkoriviä: bin, kontigi ja binnaustyökalu. Binien nimien on oltava yksilöllisiä kaikkien työkalujen välillä, joten alla olevat komennot lisäävät työkalun nimen jokaisen binin nimeen. Esimerkiksi jos yhdistetään SemiBin2, COMEBin, CONCOCT ja MetaBAT2 -työkalujen binit:
awk -F'\t' 'NR>1 && $2!=-1{print "semibin_"$2"\t"$1"\tsemibin2"}' semibin_out/contig_bins.tsv > contigs_to_bin.tsv
awk -F'\t' '{print "comebin_"$2"\t"$1"\tcomebin"}' comebin_out/comebin_res/comebin_res.tsv >> contigs_to_bin.tsv
awk -F',' 'NR>1{print "concoct_"$2"\t"$1"\tconcoct"}' concoct_output/clustering_merged.csv >> contigs_to_bin.tsv
awk '/^>/{b=FILENAME; sub(/.*\//,"",b); sub(/\.fa$/,"",b); print "metabat_"b"\t"substr($1,2)"\tmetabat2"}' bins/bin.[0-9]*.fa >> contigs_to_bin.tsv
Oletuksena MetaBAT2 kirjoittaa bininsä vain FASTA-tiedostoina, joten viimeinen komento
lukee kontigien nimet numeroiduista binitiedostoista (bins/bin.1.fa ja niin edelleen),
jotka metabat2 -o bins/bin kirjoittaa.
Pisteytä ja tarkenna binit:
MAGScoT kirjoittaa alkuperäisten binien pisteet tiedostoon MAGScoT.scores.out sekä
tarkennetut binit ja niiden kontigit tiedostoihin MAGScoT.refined.out ja
MAGScoT.refined.contig_to_bin.out. Vaihda MAGScoT-etuliite valitsimella -o. Jos
binit ovat vain yhdestä binnaustyökalusta, MAGScoT ainoastaan pisteyttää ne.
Esimerkkiajoskripti
#!/bin/bash
#SBATCH --job-name=magscot
#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 magscot/1.1
prodigal -p meta -i contigs.fa -a contigs.faa -o contigs.genes
hmmsearch -o tigr.out --tblout tigr.hits --noali --notextw --cut_nc --cpu $SLURM_CPUS_PER_TASK \
$MAGSCOT_INSTROOT/hmm/gtdbtk_rel207_tigrfam.hmm contigs.faa
hmmsearch -o pfam.out --tblout pfam.hits --noali --notextw --cut_nc --cpu $SLURM_CPUS_PER_TASK \
$MAGSCOT_INSTROOT/hmm/gtdbtk_rel207_Pfam-A.hmm contigs.faa
grep -v "^#" tigr.hits | awk '{print $1"\t"$3"\t"$5}' > contigs.hmm
grep -v "^#" pfam.hits | awk '{print $1"\t"$4"\t"$5}' >> contigs.hmm
Rscript $MAGSCOT_INSTROOT/MAGScoT.R -i contigs_to_bin.tsv --hmm contigs.hmm
Korvaa <project> CSC-projektillasi (esimerkiksi project_2001234).
Katso lisätietoja eräajojen suorittamisesta ohjeesta eräajotehtävän skriptin luominen Roihulle.