Hyppää sisältöön

wtdbg2

wtdbg2 on nopea de novo -kokoonpanotyökalu PacBio- tai Oxford Nanopore Technologies -sekvensointilaitteilla tuotetulle pitkän lukeman sekvenssidatalle.

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia GNU GPLv3 -lisenssillä.

Saatavuus

  • Roihu-CPU: 2.5, bio-apps-moduulin kautta.

Käyttö

wtdbg2 on osa bio-apps -kokoelmaa Roihussa. Lataa ensin bio-apps-moduulipuu ja sitten wtdbg2-moduuli:

module load bio-apps/v202603
module load wtdbg2/2.5

Tämän jälkeen voit käyttää wtdbg2-kokoajaa ja wtpoa-cns-konsensusohjelmaa. wtdbg2 kokoaa raakaluennat ja tuottaa contig-asettelun sekä reunasekvenssit tiedostoon prefix.ctg.lay.gz. Suoritettava ohjelma wtpoa-cns käyttää tätä tiedostoa syötteenä ja tuottaa lopullisen konsensussekvenssin FASTA-muodossa.

Tyypillinen työnkulku näyttää tältä:

wtdbg2 -x rs -g 4.6m -t 16 -i reads.fa.gz -fo prefix
wtpoa-cns -t 16 -i prefix.ctg.lay.gz -fo prefix.ctg.fa

Komennossa wtdbg2 valitsin -g on arvioitu genomin koko ja -x määrittää sekvensointiteknologian. Sen arvona voi olla rs PacBio RSII:lle, sq PacBio Sequelille, ccs PacBio CCS -luennoille ja ont Oxford Nanoporelle. Tämä valitsin asettaa useita parametreja, ja sitä tulee käyttää ennen muita parametreja. Jos et saa hyvää kokoonpanoa, muita parametreja voi olla tarpeen säätää wtdbg2:n käyttöoppaan mukaisesti.

Suurten genomien (yli 10 Mb) tapauksessa wtdbg2-kokoonpanoprosessi voi kestää useita tunteja tai päiviä. Roihussa tällaiset suuret tehtävät tulee aina suorittaa eräajoina.

Alla on esimerkkieräajotiedosto C. elegans -genomin kokoamiseen.

Esimerkkiaineisto (noin 16 GB) ladattiin ENA-tietokannasta komennolla:

wget ftp://ftp.sra.ebi.ac.uk/vol1/fastq/SRR543/004/SRR5439404/SRR5439404_subreads.fastq.gz

Varsinainen kokoonpanotehtävä suoritettiin alla olevalla eräajolla:

#!/bin/bash
#SBATCH --job-name=wtdbg2
#SBATCH --account=<project>
#SBATCH --time=12:00:00
#SBATCH --ntasks=1
#SBATCH --nodes=1
#SBATCH --output=output_%j.txt
#SBATCH --error=errors_%j.txt
#SBATCH --cpus-per-task=32
#SBATCH --mem=64G
#SBATCH --partition=small

module load bio-apps/v202603
module load wtdbg2/2.5

wtdbg2 -x rs -g100m -t $SLURM_CPUS_PER_TASK -i SRR5439404_subreads.fastq.gz -fo c_elegans_test
wtpoa-cns -t $SLURM_CPUS_PER_TASK -i c_elegans_test.ctg.lay.gz -fo c_elegans.ctg.fa

Yllä olevassa esimerkissä <project> tulee korvata projektisi nimellä. Voit käyttää komentoa csc-projects CSC-projektiesi tarkistamiseen. Enimmäissuoritusaika on asetettu 12 tuntiin (--time=12:00:00). Koska wtdbg2 käyttää säiepohjaista rinnakkaistusta, prosessi käsitellään yhtenä työnä, joka tulee suorittaa yhdellä laskentasolmulla (--nodes=1, --ntasks=1). Työ varaa 32 ydintä (--cpus-per-task=32), jotka voivat käyttää yhteensä enintään 64 GB muistia (--mem=64G). Huomaa, että käytettävien ytimien määrä täytyy määrittää myös komennoissa wtdbg2 ja wtpoa-cns. Tämä voidaan asettaa valitsimella -t. Tässä tapauksessa käytämme muuttujaa $SLURM_CPUS_PER_TASK, joka sisältää arvon --cpus-per-task (voisimme käyttää myös -t 32, mutta silloin täytyy muistaa muuttaa arvoa, jos varattujen CPU-yksiköiden määrää muutetaan myöhemmin).

Työ lähetetään eräajo järjestelmään komennolla sbatch. Esimerkiksi jos eräajotiedoston nimi on wtdbg2_job.sh, lähetyskomento on:

sbatch wtdbg2_job.sh

Katso lisätietoja eräajojen suorittamisesta ohjeesta eräajokomentosarjan luominen Roihulle.

Tuki

CSC Service Desk

Lisätietoja

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

Kerro meille miten voisimme parantaa tätä sivua ottamalla meihin yhteyttä .