Разбор задания. Часть i

Общая схема решения
поиск SNP
аннотирование SNP
Анализ результатов
В каких позициях референс и наши данные отличаются??
На какие места референсного генома похожи риды в сырых файлах?
Какие гены находятся в этих позициях и как SNP может влиять на них?
Есть ли какие-то очевидные кандидаты??

Исходные данные
ДНК
Много кусочков днк
Пришивание адаптеров
Чтение ДНК с обоих адаптеров

Исходные данные - подготовка
Выбор ридов с X хромосомы
Де-картирование
@SEQ_ID
GATTTGGGGTTCAAAGCAGTATCGATCAAATAGTAAATCCATTTGTTCAACTCACAGTTT
+
!''*((((***+))%%%++)(%%%%).1***-+*''))**55CCF>>>>>>CCCCCCC65
fastq

Инструменты для реализации общего решения можно подобрать совершенно разные!!
UGENE
Galaxy
….
Bwa mem
strelka
openCravat
R

Картирование (bwa mem)
#!/bin/bash
while read p; do
echo $p
echo "#########################Started mapping#######################"
bwa mem -R "@RG\tID:4\tSM:$p\tPL:illumina\tLB:lib1\tPU:unit1" ./Homo_sapiens_assembly38.fasta "$p"_1.fastq "$p"_2.fastq -t 25 > "$p".sam
echo "####################Deleting fastq files###################"
#rm "$p"_1.fastq
#rm "$p"_2.fastq
echo "##################### Converting files to Bam and sort ###################"
/samtools view -Su "$p".sam | samtools sort -@25 - -o "$p".sorted.bam
echo "##############Deleting sam files###############"
rm "$p".sam
echo "#################mark duplicates################"
java -Dpicard.useLegacyParser=false -Xmx16G -jar ../picard.jar MarkDuplicates\
-I "$p".sorted.bam\
-O "$p".MD.bam\
-METRICS_FILE metrics.txt\
-CREATE_INDEX true
echo "#############Deleting sorted.bam################"
rm "$p".sorted.bam
done < samp_list
resist_1
resist_2
resist_3
resist_4
resist_5
resist_6
sensitive_1
sensitive_2
sensitive_3
sensitive_4
sensitive_5
sensitive_6
samp_list

Результат картирования (SAM/BAM)
https://bioinformatics-core-shared-training.github.io/cruk-summer-school-2017/Day1/Session5-alignedReads.html

Поиск SNP (strelka)
#!/bin/bash
# configuration
./strelka-2.9.10.centos6_x86_64/bin/configureStrelkaGermlineWorkflow.py \
--bam ./sensitive_1.MD.bam \
--bam ./sensitive_2.MD.bam \
--bam ./sensitive_3.MD.bam \
--bam ./sensitive_4.MD.bam \
--bam ./sensitive_5.MD.bam \
--bam ./sensitive_6.MD.bam \
--referenceFasta ./Homo_sapiens_assembly38.fasta \
--runDir ./vcf
# execution on a single local machine with 20 parallel jobs
./vcf/runWorkflow.py -m local -j 20

Результаты поиска SNP (VCF формат)
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT resist1 resist2 resist3 resist4 resist5 resist6
chrX 19942 . G A 2 PASS SNVHPOL=2;MQ=50 GT:GQ:GQX:DP:DPF:AD:ADF:ADR:SB:FT:PL
0/1:29:4:4:0:3,1:3,1:0,0:0.0:PASS:32,0,75
6 колонок (по одной для каждого образца)