wtdbg2
wtdbg2 on nopea de novo -kokoamistyökalu PacBio- tai Oxford Nanopore Technologies -sekvensointilaitteilla tuotetulle pitkän lukupituuden 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:
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 konsensuksen FASTA-muodossa.
Tyypillinen työnvuo 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 -g on arvioitu genomin koko ja -x määrittää sekvensointiteknologian, jonka arvona voi olla rs PacBio RSII:lle, sq PacBio Sequelille, ccs PacBio CCS -luennoille ja ont Oxford Nanoporelle. Tämä valinta asettaa useita parametreja, ja se tulee antaa ennen muita parametreja. Jos et saa aikaan hyvää kokoamista, muita parametreja voi olla tarpeen säätää wtdbg2:n käyttöoppaan mukaisesti.
Suurten genomien (yli 10 Mb) tapauksessa wtdbg2-kokoamisprosessi 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:
Varsinainen kokoamistehtävä 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. Enimmäisajoajaksi on asetettu 12 tuntia (--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 määritellä myös komennoissa wtdbg2 ja wtpoa-cns. Tämä voidaan asettaa valinnalla -t. Tässä tapauksessa käytämme muuttujaa $SLURM_CPUS_PER_TASK, joka sisältää arvon --cpus-per-task (voisimme yhtä hyvin käyttää arvoa -t 32, mutta silloin meidän täytyy muistaa muuttaa arvoa, jos varattujen CPU-ytimien määrää muutetaan myöhemmin).
Työ lähetetään eräajo järjestelmään komennolla sbatch. Jos eräajotiedoston
nimi on esimerkiksi wtdbg2_job.sh, lähetyskomento on:
Katso lisätietoja eräajojen suorittamisesta ohjeesta eräajokomentosarjan luominen Roihulle.