Divid Lipman と Bill Pearson が開発した Smith-Waterman-Gotoh アルゴリズムのヒューリスティック・アルゴリズムとその実装名。
1000 ntを超える長いタンデムリピート拡張は疾患との関連性が示唆されているが、シークエンシンリード長が短すぎるため、ほとんどの場合、個々のヒトゲノムでは未解明のままである。しかし、新しいロングリードシークエンシング技術は、このようなリピート拡張にまたがる10,000nt以上のシングルリードを作成することができるが、これらのロングリードのエラー率は10％～20％と高く、リピートエレメントの検出を複雑にしている。さらに、タンデムリピートを見つけるための従来のアルゴリズムのほとんどは、短いタンデムリピート（1000nt未満）を見つけるために設計されており、ロングリードの高いエラー率を合理的な時間…
基本的なシーケンス品質管理とサマリー統計の計算は、リードをパースするのがボトルネックになることにより少し時間がかかる場合がある。Nanoq は、needletail および rust-bio ライブラリを使用した fastx ファイルに対して、欠陥のあるサマリー統計情報とフィルタリングのためのシングルパス操作、または Filtlong と同様のフィルタリング手法を可能にするツーパス操作のいずれかで、これらの操作を実行する。 Nanoq release v0.2.0 is out, dev /w @lachlanjmc, fast qc and stats of @nanopore reads:…
2021 1/25 わかりくい説明を修正、タイトル修正 RNAシーケンシング（RNA-seq）は、一般的で広く普及している生物学的アッセイであり、それによって生成されるデータの量は増加している。実際には、生のRNA-seqリードから発現変動遺伝子などの直接的に価値のある情報を得る前に、研究者が実行しなければならない個々のステップが多数存在する。既存のソフトウェアツールは一般的に特化したもので、より大きなワークフローの中の1つのステップ（例えば、リファレンスゲノムへのリードのアラインメントなど）を実行するだけである。より包括的で再現性の高いワークフローへの要求は、多くの一般に公開されているRNA…
異物混入スクリーニングの目的は、人為的な理由または生物学的な理由で存在する可能性のある汚染配列を特定することである。人為的な理由としては、クローニング人工配列（ベクター、リンカー/アダプター/プライマー、大腸菌宿主DNA）、ヒトのDNA配列によるラボ内の汚染、他の生物とのサンプルまたはシークエンシングランの混合、シークエンシングされたクローンに統合された細菌挿入配列などが挙げられる。生物学的な理由としては、DNA調整を行った際に生物の表面や腸内に存在したエンドシンビオン、微生物の存在が挙げられる。 NCBIのVecScreenオンライン版 https://www.ncbi.nlm.nih.go…
自分で機械学習させることもないのでしばらくPythonは趣味にとどめておくことにする。ただ機械学習自体は、さらに深層学習自体は何らかに使いたいという願望はあるので、継続はする。 バイオ系でPython使えるイメージがまだまだないので、今後新しいツールが出てきたらそのソースコードから見てみて、イメージをつかみたいところ。 調べたらPerlとRが使えそう。Perlは使用者が比較的少ないし、まだ未発達ということもあり、PythonのNumpyの方がPerlよりもいいですよ、という声もあるので微妙なところだが。でもBioPerlの有用性も、特に配列を用いた計算においては有用ということらしいので、んまあ…
できるだけ簡便かつ高画質でできる方法をいくつか見つけたので、備忘録として。 全体的にSVG変換→パワポに持ち込むという流れが便利。 RNA二次構造 任意の方法でRNA高次構造を予測し、dot-bracket形式*で出力する。 *Position: 8 ... 34UUCCGAAGCUCAACGGGAAAAUGAGCU(((((.[[[[.)))))...]]]]←こういうやつEstimated free energy: -15.1 kcal/mol RNA-fold http://rna.tbi.univie.ac.at//cgi-bin/RNAWebSuite/RNAfold.cgi SPO…
今日NGS解析に進捗がほんの少し生まれたので書いておく。 まず渡されたbamファイルからunmappedリードを取り出す。 共生特異的なリード結果を無菌のものにマッピングした結果である。 ここからunmappedリードを取り出したことによって実際共生菌のみのリードを取り出すことができた。 なので次にこのunmappedリードを共生特異的ランの全リードデータから引けば、実際にランのみで発現していたリードを取り出すことが可能になる。 なので次にやる作業はbamファイル（リード）同士の引き算。 bamファイル、つまりバイナリファイル同士の比較をすればよいのだが、この比較の方法がいまいちわからん。 コ…
2021 1/22 誤字修正 オーバーラップグラフ法に基づいたde novoゲノムアセンブリの手法は非常に少ない。いわゆるde Bruijnグラフアプローチよりも正確な結果が得られると考えられているが、より多くの時間とより多くのメモリを必要とする。オーバーラップグラフモデルを用いたアセンブリ手法では、主にコンピュータのメモリ制限のために、より大きなデータセットをうまく計算できないことが珍しくない。このため、ここ数十年の間に、主にde Bruijnに基づく高速でかなり正確なアセンブリ手法が開発されてきた。しかし、後者のde Bruijnに基づく方法は、より長いゲノムやリピートの多いゲノムでは、リ…
2021 1/21 文章修正 HTSのシークエンシングリードのデータ解析では、巨大なテキストファイルを読み込み、何らかの計算を行なって結果をファイル保存します。これを繰り返して最終的に生物学的な洞察に繋げるわけですが、この繰り返しで、大きなファイルの読み出し、書き出しが繰り返し発生することになります。これにはどれくらいの時間がかかっているのでしょうか？マッピングを例に、ファイルの書き出しが計算時間の中でどれくらいの比率を占めるのか調べてみました。 方法 １、データについて A、スモールデータ ショートリードのシミュレーターARTを使って酵母ゲノム（GCF_000002945.2）の30x カバ…
2021 1/19 誤字修正 Heatmapperは自由に利用できるWebサーバであり、ユーザーは使いやすいグラフィカルなインターフェースを使って、データをヒートマップの形でインタラクティブに視覚化することができる。既存の非商用のヒートマップパッケージは、グラフィカルなインターフェースを持たないか、1種類または2種類のヒートマップにしか特化していない。これとは異なり、Heatmapperは汎用性の高いツールであり、ユーザは多くの異なるデータタイプやアプリケーションに対応した多種多様なヒートマップを簡単に作成することができる。具体的には、Heatmapperでは以下のようなことが可能である。(i…
2021 1/18 解析例追加 ゲノムは原核生物の系統の遺伝的青写真であり、現在進行中の微生物世界のセンサスの中心にある微生物学の基本単位であり、微生物の生態と進化の研究に不可欠なものである。1995年に細菌の完全なゲノムが初めて公開されてから25年が経ち [ref.5]、70万以上の原核生物のゲノムがNCBI GenBank [2020年7月30日アクセス]に寄託されており、ゲノムベースの解析が微生物学の多くの分野のバックボーンとなって、毎年ほぼ倍増している。歴史的に、微生物ゲノムの大部分は、ゲノム配列を物理的なサンプルに直接リンクさせた培養単離物から得られてきたが、容易に培養できないかなり…
COVID-19 パンデミックを契機に，コロナウイルス研究への関心が高まっている．コロナウイルスデータセットの解析は、リードアラインメントまたはde novo assemblyを用いて完全長ウイルスゲノム配列を得ることから始まる。リードアラインメントに基づくアセンブリパイプラインは、例えばCOVID-19患者のSARS-CoV-2 SNPプロファイリングなど、近縁種の同一株に対して選択されるツールである。遠い種のためのリードアラインメントは信頼性が低いので、de novoアセンブリは、新規種の回収により適している。最近では、MEGAHITアセンブラを用いてSARS-CoV-2ゲノムの全長配列を…
ようやく修論の日本語版が一通り出来上がったので、ふたたびアセンブリ沼に帰ってきました。ショットガンシーケンスからのゲノム作成はちょっと心が折れたので（参照：ぐだぐだde novoゲノムアセンブリ日記 - 研究メモ）、一旦ミトゲノムでも作ってみますか～という感じ。 参照したのは以下のサイトです。これらを見ればほぼできます。 kazumaxneo.hatenablog.com qiita.com 使ったプログラムはこちらです。 github.com 本記事では動物ミトゲノムのアセンブリについて書きますが、植物のミトゲノムや葉緑体など、ほかのオルガネラのアセンブリにも使えるみたいです。 README…
ゲノムアセンブリの連続性は、構造的なリアレンジメント、遺伝子の順序、発散したゲノム間のシンテニー、遺伝子バリアント間のリンケージ、ゲノムの反復領域などを解析するために重要である。アセンブリの連続性はスキャフォールディングによって改善することができる。このような情報は、リンクされたゲノムシークエンシングリード（ライブラリ作成時に領域特異的なバーコード配列でタグ付けされたショートリード）に見出すことができ、研究者は、どのリードが互いに近接した領域に由来するかを決定することができる（Bishara et al. リンクリード技術は、最初は10X Genomics GemCodeおよびChromium…
KATKは、raw NGSリードから直接バリアントをコールするための高速かつ正確なソフトウェアツールである。KATKは、あらかじめ定義されたk-merを使用してFASTQファイルから興味のあるリードのみを取得し、取得したリードをローカルにアラインメントすることで遺伝子型をコールする。KATKは既知の多型に関するデータを使用せず、デフォルトの遺伝子型はNC（No Call）である。リファレンスまたはバリアント対立遺伝子は、データ中にそれらが存在することを示す十分な証拠がある場合にのみコールされる。そのため、レアなバリアントやde novo突然変異に対して偏りがない。 シミュレーションされたデータ…
mikilab.doshisha.ac.jp
ja.wikipedia.org
