yak

Yak on k-mer-laskenta- ja analyysityökalu. Se arvioi pitkien lukujen ja koostecontigien emästarkkuuden (QV) vertaamalla niitä lyhyiden lukujen k-mereihin ilman viitegenomia. Se myös muodostaa vanhempien k-mer-taulut, joita käytetään trio binningissä hifiasmissa, ja arvioi koosteiden vaiheistusta.

yak

Lisenssi

Vapaasti käytettävissä ja avointa lähdekoodia MIT-lisenssillä.

Saatavuus

Roihu-CPU: 0.1, bio-apps-moduulin kautta.

Käyttö

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

module load bio-apps/v202603
module load yak/0.1

Laske paripäisten lyhyiden lukujen k-merit:

cat sr_1.fq.gz sr_2.fq.gz > sr.fq.gz
yak count -b37 -t 16 -o sr.yak sr.fq.gz

Kun Bloom-suodatin on käytössä (-b), yak lukee syötteen kahdesti: ensimmäisellä kierroksella se etsii k-merit, jotka esiintyvät useammin kuin kerran, ja toisella kierroksella laskee ne, jolloin sekvensointivirheistä peräisin olevat k-merit karsiutuvat pois. Yhdistä paripäiset luvut yhteen tiedostoon kuten yllä: jos annat kaksi tiedostoa, yak käyttää ensimmäistä vain ensimmäisellä kierroksella ja toista vain laskentaan. -b37 on suositeltu ihmisen genomin kokoiselle datalle, ja se käyttää 16 Gt muistia Bloom-suodattimeen.

Arvioi koosteen QV lyhyiden lukujen k-mereistä. -p tulostaa myös kunkin contigin QV:n, ja -l100k jättää pois contigit, jotka ovat lyhyempiä kuin 100 kb:

yak qv -t 16 -p -K3.2g -l100k sr.yak asm.fa > asm-sr.qv.txt

Arvioi haplotyyppikoosteen vaiheistus käyttäen isän ja äidin lyhyistä luvuista laskettuja k-mereitä (katso trio binning hifiasmissa, miten ne lasketaan). Hifiasm kirjoittaa koosteensa GFA-muodossa, joten muunna ne ensin FASTA-muotoon:

awk '/^S/{print ">"$2;print $3}' asm.dip.hap1.p_ctg.gfa > asm.dip.hap1.p_ctg.fa
yak trioeval -t 16 pat.yak mat.yak asm.dip.hap1.p_ctg.fa > hap1.trioeval.txt

Esimerkkieräajokomentosarja

#!/bin/bash
#SBATCH --job-name=yak
#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=16
#SBATCH --mem=64G

module load bio-apps/v202603
module load yak/0.1

cat sr_1.fq.gz sr_2.fq.gz > sr.fq.gz
yak count -b37 -t $SLURM_CPUS_PER_TASK -o sr.yak sr.fq.gz
yak qv -t $SLURM_CPUS_PER_TASK -p -K3.2g -l100k sr.yak asm.fa > asm-sr.qv.txt

Korvaa <project> omalla CSC-projektillasi (esimerkiksi project_2001234).

Katso lisätietoja eräajojen suorittamisesta ohjeesta eräajokomentosarjan luominen Roihuun.

Tuki

CSC:n asiakastuki

Lisätietoja

yakin GitHub-repositorio