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:
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:
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:
Katso lisätietoja eräajojen suorittamisesta ohjeesta eräajokomentosarjan luominen Roihulle.