SameStr

SameStr tunnistaa jaetut mikrobikannat metagenomisten näytteiden parien välillä yksittäisten nukleotidivarianttien (SNV) profiilien samankaltaisuuden perusteella. Se toimii taksonomisten profilointityökalujen, kuten MetaPhlAnin, jälkeen: se ottaa näiden työkalujen tuottamat näytekohtaiset markkerikohdistukset, muuntaa ne SNV-profiileiksi ja tunnistaa lajit, joissa kaksi näytettä jakaa saman kannan.

SameStr

Lisenssi

Vapaa ja avoimen lähdekoodin ohjelmisto GNU Affero General Public License v3 -lisenssillä.

Saatavuus

Roihu-CPU: 1.2025.111 (moduuli py-samestr), bio-apps-moduulin kautta.

Käyttö

SameStr on osa Roihun bio-apps -kokoelmaa. Lataa ensin bio-apps-moduulipuu ja sitten SameStr-moduuli:

module load bio-apps/v202603
module load py-samestr/1.2025.111

Voit listata alikomennot komennolla:

samestr --help

Toimintaperiaate

SameStr ei itse profiloi lukuja — se käyttää MetaPhlAnin (tai mOTUsin) tuottamia markkerikohdistuksia ja käsittelee ne kiinteän alikomentosarjan kautta:

step	subcommand	purpose
1	`samestr db`	rakenna SameStr-markkeritietokanta MetaPhlAn-markkerijoukosta
2	`samestr convert`	muunna MetaPhlAn `*.sam.bz2` -kohdistukset SNV-profiileiksi
3	`samestr filter`	käytä peitto- / kohdistuskynnysarvoja
4	`samestr compare`	profiilien pareittainen, kladikohtainen vertailu
5	`samestr summarize`	tunnista jaetut kannat ja rakenna yhteisesiintymistaulukot

(samestr extract ja samestr stats ovat valinnaisia apukomentoja viitegenomien lisäämiseen sekä peiton/monimuotoisuuden raportointiin.)

Viitetietokanta

samestr db rakennetaan samasta MetaPhlAn-markkerijoukosta, jolla profiilisi on tuotettu — markkerimetadatan .pkl- ja markkerisekvenssien .fna.bz2 -tiedostoista, jotka sijaitsevat jaetussa MetaPhlAn-tietokannassa. Roihussa tämä tietokanta tarjotaan keskitetysti ja asetetaan saataville muuttujan $METAPHLAN_DB_DIR kautta. Tämä muuttuja asetetaan MetaPhlAn-moduulissa, joten lataa se SameStrin rinnalle (katso MetaPhlAn -sivu); valitse indeksi, jota käytit profilointiin, ja kirjoita SameStr-tietokanta omaan /scratch-hakemistoosi:

module load py-metaphlan/4.2.4   # provides $METAPHLAN_DB_DIR
cd /scratch/<project>/samestr_run

samestr db \
    --markers-info  $METAPHLAN_DB_DIR/mpa_vJan26_CHOCOPhlAnSGB_202605.pkl \
    --markers-fasta $METAPHLAN_DB_DIR/mpa_vJan26_CHOCOPhlAnSGB_202605_SGB.fna.bz2 \
    --db-version    $METAPHLAN_DB_DIR/mpa_latest \
    --output-dir    samestr_db/

Pidä tietokantaversio yhtenäisenä

MetaPhlAn-indeksin, jota käytät komennossa samestr db, täytyy vastata sitä, jota käytettiin seuraavan vaiheen kohdistusten tuottamiseen. Markkeriversioiden sekoittaminen johtaa merkityksettömiin vertailuihin.

Syötekohdistusten tuottaminen

SameStrin syöte on MetaPhlAn-ajon SAM-tuloste. Lisää MetaPhlAnin -s (--samout) -valitsin, jotta se kirjoittaa näytekohtaisen *.sam.bz2 -kohdistuksen käyttäen vastaavaa indeksiä:

module load py-metaphlan/4.2.4
metaphlan sample1.fastq.gz --input_type fastq \
    --index mpa_vJan26_CHOCOPhlAnSGB_202605 \
    --nproc 8 \
    -s out_align/sample1.sam.bz2 \
    -o out_profile/sample1_profile.txt

Esimerkkityövuo

Aja SameStr työskentelyhakemistosta /scratch-alueella. Se rinnakkaistaa --nprocs-valitsimella, joten interaktiivinen sessio tai small-osion eräajo sopii hyvin. Lähtien kohdistuksista hakemistossa out_align/ ja tietokannasta hakemistossa samestr_db/:

module load bio-apps/v202603 py-samestr/1.2025.111

samestr convert \
    --input-files out_align/*.sam.bz2 \
    --marker-dir  samestr_db/ \
    --nprocs 8 --min-vcov 5 \
    --output-dir out_convert/

samestr merge \
    --input-files out_convert/*.npy \
    --marker-dir samestr_db/ \
    --nprocs 8 \
    --output-dir out_merge/

samestr filter \
    --input-files out_merge/*.npy \
    --input-names out_merge/*.names.txt \
    --marker-dir  samestr_db/ \
    --nprocs 8 \
    --output-dir out_filter/

samestr compare \
    --input-files out_filter/*.npy \
    --input-names out_filter/*.names.txt \
    --marker-dir  samestr_db/ \
    --output-dir out_compare/

samestr summarize \
    --input-dir  out_compare/ \
    --tax-profiles-dir out_profile/ \
    --marker-dir samestr_db/ \
    --output-dir out_summarize/

Jaettujen kantojen tunnistukset ja yhteisesiintymistaulukot kirjoitetaan hakemistoon out_summarize/.

Tuki

CSC Service Desk