使用pacbio isoseq reads获得非冗余单倍型特异转录亚型的管道。
IsoCon的Python项目详细描述
isocon
==
isocon作为一个python包分发，在linux/osx上受支持，python v>；=2.7、3.4-3.6、3.5-dev和3.6-dev[！[构建状态]（https://travis-ci.org/ksahlin/isocon.svg？branch=master）（https://travis ci.org/ksahlin/isocon）
isocon是一个工具，用于从*iso seq*读取的*目标*测序中导出*完成的转录本*。输入可以是一组fasta格式的全长非嵌合体读取和作为bam文件的ccs基本调用值，也可以是ccs调用方提供的ccs读取及其质量值的fastq文件。由于底层的对齐方法，isocon只能在目标iso seq数据集上运行---运行时不针对非目标排序进行缩放。输出是一组预测的转录本。isocon可以按如下方式运行：isocon pipeline-fl-reads<；flnc.fasta>；-outfolder<；/path/to/output>；-ccs<；/path/to/filename.ccs.bam>；
````
isocon pipeline-fl-reads<；flnc.fastq>；-outfolder<；/path/to/output>；
```
predicted transcripts可在文件**/path/to/output/final_candidates.fa**中找到。在/path/to/output/not_converged.fa中找到无法更正或群集的读取。
*可以在非目标iso seq数据集上运行isocon吗？[见此处]（https://github.com/ksahlin/isocon/issues/2）。
*我的数据集如何影响运行时？[请参见此处]（https://github.com/ksahlin/isocon/issues/3）
从github获取源代码]（从github下载源代码）
*[依赖项]（依赖项）
*[用法]
*[管道]（管道）
*[输出]（输出）
*[获取候选项]（获取候选项）
*[状态筛选]（状态筛选）
*[参数]（参数）
*[信用]（信用）
*[许可证]（许可证）
本节假设您已经安装了"python"（v2.7或>；=3.4）和"pip"的最新版本，大多数python版本都应该包含该版本。如果没有"pip"，则可以[从这里]轻松安装（https://pip.pypa.io/en/stable/installing/）并使用"pip install--upgrade pip"进行升级。
使用"python"和"pip"，创建一个"requirements.txt"文件，其中的内容从[此文件]（https://github.com/ksahlin/isocon/blob/master/requirements.txt）中复制。然后，输入terminal
```
pip install--requirement requirements.txt isocon
```
this should install isocon.通过正确安装**isocon**，您应该能够发出命令'isocon pipeline'来查看用户说明。您还应该能够在此[小数据集]上运行isocon（https://github.com/ksahlin/isocon/tree/master/test/data）。只需下载测试数据集并运行：
```
isocon pipeline-fl庀reads[path/simulated庀pacbio庀reads.fa]-outfolder[output path]
````
`pip'将自动为您安装依赖项。isocon是用python 2.7、3.4-3.6在linux系统上使用[travis]构建的（https://travis ci.org/）。有关最新主分支的自定义安装，请参阅下面的内容。
括号中的版本是建议的，因为isocon没有使用这些库的早期版本进行测试。但是，isocon也可以使用这些库的早期版本。
*[edlib]（https://github.com/martinsos/edlib"edlib的主页"），有关安装，请参见[link]（https://github.com/martinsos/edlib/tree/master/bindings/python"安装"（>；=v1.1.2）
*[networkx]（https://networkx.github.io/）（>；=v1.10）
*[parasail]（https://github.com/jeffdaily/parasail python）
*[pysam]（http://pysam.readthedocs.io/en/latest/installation.html）（>；=v0.11）
安装了这些依赖项。运行
``sh
git克隆https://github.com/ksahlin/isocon.git
cd isocon
./isocon
```
----
isocon的算法包括两个主要阶段：错误纠正步骤和统计测试步骤。isocon可以使用"isocon pipeline"一次性运行这两个步骤，或者它只能使用"isocon get_candidates"和"isocon stat_filter"分别运行校正或统计测试步骤。预处理和测试最多的方法是使用整个管道"isocon pipeline"，但其他两个设置在特定情况下可以派上用场。例如，如果不关心精度，只运行"isocon get_candidates"将提供更多的序列，而且速度也会更快，而对于一组已经构造好的候选对象，可以只使用使用不同参数的"isocon stat_filter"，以防止重新运行纠错步骤。
\pipeline
isocon接受两个输入文件：（1）全长非嵌合（flnc）ccs的fasta文件读取和（2）包含预测基本呼叫质量值的ccs读取的bam文件。包含flnc的fasta文件可以从pacbios iso seq pipeline[豆腐]（https://github.com/pacificbiosciences/isoseq_sa3nup/wiki）获取，bam文件是在上运行一致调用方algorthm[ccs]（https://github.com/pacificbiosciences/unanimity/blob/master/doc/pbccs.md）的输出。iso seq读取（ccs接受bam文件，因此如果您有bax文件，请使用[bax2bam]转换它们（https://github.com/pacificbiosciences/unanimity/blob/master/doc/pbccs.md input））。然后，isocon可以运行为
```
isocon pipeline-fl-reads<；flnc.fasta>；-outfolder<；/path/to/output>；[--ccs<；/path/to/filename.ccs.bam>；]
```
isoon还支持仅将fasta读取文件作为输入。如果没有"-ccs"中的基本通话质量值，isocon将使用经验估计的错误模型。如果在ccs基本调用算法之后，从使用illumina reads的错误更正中更改了读取，则仅将flnc fasta文件作为输入的功能非常有用。**但是，如果ccs读取没有经过任何额外更正，我们强烈建议向isocon提供ccs质量值。**
-outfolder<；/path/to/output>；
```
如果只有一个或两个读取来自一个转录本，这与其他读取完全不同（exon difference），它将被输出到"not_converged.fa"文件中。此文件可能包含其他错误的ccs读取，如chimeras。输出还包含一个"cluster_info.tsv"文件，该文件显示在"final_candidates.fa"中为每个读操作分配给哪个候选项。
输出是fasta文件中的聚合候选者。
```
isocon get懔candidates-fl懔reads<；flnc.fasta>；-outfolder<；/path/to/output>；
````
stat懔filter
isocon pipeline-fl懔reads<；flnc.fasta>；-outfolder<；/path/to/output>；-candidate s<；candidate嫒transcripts.fa>；[--ccs<；/path/to/filename.ccs.bam>；]
````
请注意，"candidate嫒transcripts.fa"不一定来自isocon的错误纠正算法。例如，这可以是一组已经验证的transcri希望在ccs中看到它们是否发生的pts，或者它们可以是illumina（或以其他方式）修正的ccs读取。
\管道
[-h]-fl_reads fl_reads-outfolder outfolder[--ccs ccs]
[--nr_cores nr_cores][--verbose]
[--neighbor_search_depth neighbor_search_depth]
[--min_exon_diff min_exon_diff]
[--min_candidate min_candiff]
[--p_value_threshold p_value_threshold]
[--min_test_ratio min_test_ratio]
[--max_phred_q_trusted max_phred_q_trusted]
[--ignore_ends_len][--cleanup]
[--prefilter_candidates]
可选参数：
-h，--帮助显示此帮助消息并退出带有ccs序列预测的ccs-ccs-bam/sam文件。
--nr-cores nr-cores要使用的核心数。[默认值=16]
--详细这将打印有关NT工作流的更多信息，并提供相似网络图等。
--邻居搜索深度邻居搜索深度
搜索中成对对齐的最大数目矩阵
以找到最近的邻居。[默认值=2**32]
--两个
neigbors之间的最小consequential base pair差异，以便移除边。如果大于此值，则可能是外显子差异。[默认值=20]
--min_candidate_support min_candidate_support
统计测试中包含的收敛到相同序列的所需最小读取数。[默认值
2]
--p_-value_-threshold p_-value_-threshold
统计测试的阈值，过滤低于此阈值的所有内容。[默认值=0.01]
--最小测试比率最小测试比率
如果候选C的读取数大于
<；最小测试比率>；相对于
参考T（计算为测试比率=C/T，
因为c可能是非常显著的[默认值=
5]
--max-phred-q-u-trusted max-phred-q-u-trusted
最大phred-quality-score-trusted（t），线性地
重新映射质量分数区间[0，93]--gt；[0，t]。
质量分数可能有一些不确定性，因为t是根据一致呼叫者算法估计的。
--忽略结束忽略结束数。如果两个候选者
相同（除了此大小的末端），则它们将
折叠，并选择最长的公共子串来表示它们。在统计测试步骤中，基于忽略此
大小的端点，找到最近的
邻居。同样，这种尺寸的Indels"悬挂"端将不进行测试。[默认值15]。
--清除删除
输出文件夹中除logfile.txt、
candidates_converged.fa和final_candidates.fa之外的所有内容。[默认值=假]
--预筛选候选项
筛选候选项如果它们对由它们组成的候选转录本中的任何
基对不一致，这会减少运行时间在真正的候选人身上没有显著的损失。[默认值=false]
必需参数：
-fl庀reads fl庀reads fast<；a/q>；file pacbio reads of insert.
-outfolder outfolder outfolder.
```
credits
-------
Kristofer Sahlin*、Marta Tomaszkiewicz*、Kateryna D.Makova™、Paul Medvedev™（2018年）"ISOCON：从ISO Seq数据中破译高度相似的多基因家族转录本"，Biorxiv[链接]（https://www.biorxiv.org/content/early/2018/01/10/246066）。
许可证
----
==
isocon作为一个python包分发，在linux/osx上受支持，python v>；=2.7、3.4-3.6、3.5-dev和3.6-dev[！[构建状态]（https://travis-ci.org/ksahlin/isocon.svg？branch=master）（https://travis ci.org/ksahlin/isocon）
isocon是一个工具，用于从*iso seq*读取的*目标*测序中导出*完成的转录本*。输入可以是一组fasta格式的全长非嵌合体读取和作为bam文件的ccs基本调用值，也可以是ccs调用方提供的ccs读取及其质量值的fastq文件。由于底层的对齐方法，isocon只能在目标iso seq数据集上运行---运行时不针对非目标排序进行缩放。输出是一组预测的转录本。isocon可以按如下方式运行：isocon pipeline-fl-reads<；flnc.fasta>；-outfolder<；/path/to/output>；-ccs<；/path/to/filename.ccs.bam>；
````
isocon pipeline-fl-reads<；flnc.fastq>；-outfolder<；/path/to/output>；
```
predicted transcripts可在文件**/path/to/output/final_candidates.fa**中找到。在/path/to/output/not_converged.fa中找到无法更正或群集的读取。
*可以在非目标iso seq数据集上运行isocon吗？[见此处]（https://github.com/ksahlin/isocon/issues/2）。
*我的数据集如何影响运行时？[请参见此处]（https://github.com/ksahlin/isocon/issues/3）
从github获取源代码]（从github下载源代码）
*[依赖项]（依赖项）
*[用法]
*[管道]（管道）
*[输出]（输出）
*[获取候选项]（获取候选项）
*[状态筛选]（状态筛选）
*[参数]（参数）
*[信用]（信用）
*[许可证]（许可证）
本节假设您已经安装了"python"（v2.7或>；=3.4）和"pip"的最新版本，大多数python版本都应该包含该版本。如果没有"pip"，则可以[从这里]轻松安装（https://pip.pypa.io/en/stable/installing/）并使用"pip install--upgrade pip"进行升级。
使用"python"和"pip"，创建一个"requirements.txt"文件，其中的内容从[此文件]（https://github.com/ksahlin/isocon/blob/master/requirements.txt）中复制。然后，输入terminal
```
pip install--requirement requirements.txt isocon
```
this should install isocon.通过正确安装**isocon**，您应该能够发出命令'isocon pipeline'来查看用户说明。您还应该能够在此[小数据集]上运行isocon（https://github.com/ksahlin/isocon/tree/master/test/data）。只需下载测试数据集并运行：
```
isocon pipeline-fl庀reads[path/simulated庀pacbio庀reads.fa]-outfolder[output path]
````
`pip'将自动为您安装依赖项。isocon是用python 2.7、3.4-3.6在linux系统上使用[travis]构建的（https://travis ci.org/）。有关最新主分支的自定义安装，请参阅下面的内容。
括号中的版本是建议的，因为isocon没有使用这些库的早期版本进行测试。但是，isocon也可以使用这些库的早期版本。
*[edlib]（https://github.com/martinsos/edlib"edlib的主页"），有关安装，请参见[link]（https://github.com/martinsos/edlib/tree/master/bindings/python"安装"（>；=v1.1.2）
*[networkx]（https://networkx.github.io/）（>；=v1.10）
*[parasail]（https://github.com/jeffdaily/parasail python）
*[pysam]（http://pysam.readthedocs.io/en/latest/installation.html）（>；=v0.11）
安装了这些依赖项。运行
``sh
git克隆https://github.com/ksahlin/isocon.git
cd isocon
./isocon
```
----
isocon的算法包括两个主要阶段：错误纠正步骤和统计测试步骤。isocon可以使用"isocon pipeline"一次性运行这两个步骤，或者它只能使用"isocon get_candidates"和"isocon stat_filter"分别运行校正或统计测试步骤。预处理和测试最多的方法是使用整个管道"isocon pipeline"，但其他两个设置在特定情况下可以派上用场。例如，如果不关心精度，只运行"isocon get_candidates"将提供更多的序列，而且速度也会更快，而对于一组已经构造好的候选对象，可以只使用使用不同参数的"isocon stat_filter"，以防止重新运行纠错步骤。
\pipeline
isocon接受两个输入文件：（1）全长非嵌合（flnc）ccs的fasta文件读取和（2）包含预测基本呼叫质量值的ccs读取的bam文件。包含flnc的fasta文件可以从pacbios iso seq pipeline[豆腐]（https://github.com/pacificbiosciences/isoseq_sa3nup/wiki）获取，bam文件是在上运行一致调用方algorthm[ccs]（https://github.com/pacificbiosciences/unanimity/blob/master/doc/pbccs.md）的输出。iso seq读取（ccs接受bam文件，因此如果您有bax文件，请使用[bax2bam]转换它们（https://github.com/pacificbiosciences/unanimity/blob/master/doc/pbccs.md input））。然后，isocon可以运行为
```
isocon pipeline-fl-reads<；flnc.fasta>；-outfolder<；/path/to/output>；[--ccs<；/path/to/filename.ccs.bam>；]
```
isoon还支持仅将fasta读取文件作为输入。如果没有"-ccs"中的基本通话质量值，isocon将使用经验估计的错误模型。如果在ccs基本调用算法之后，从使用illumina reads的错误更正中更改了读取，则仅将flnc fasta文件作为输入的功能非常有用。**但是，如果ccs读取没有经过任何额外更正，我们强烈建议向isocon提供ccs质量值。**
-outfolder<；/path/to/output>；
```
如果只有一个或两个读取来自一个转录本，这与其他读取完全不同（exon difference），它将被输出到"not_converged.fa"文件中。此文件可能包含其他错误的ccs读取，如chimeras。输出还包含一个"cluster_info.tsv"文件，该文件显示在"final_candidates.fa"中为每个读操作分配给哪个候选项。
输出是fasta文件中的聚合候选者。
```
isocon get懔candidates-fl懔reads<；flnc.fasta>；-outfolder<；/path/to/output>；
````
stat懔filter
isocon pipeline-fl懔reads<；flnc.fasta>；-outfolder<；/path/to/output>；-candidate s<；candidate嫒transcripts.fa>；[--ccs<；/path/to/filename.ccs.bam>；]
````
请注意，"candidate嫒transcripts.fa"不一定来自isocon的错误纠正算法。例如，这可以是一组已经验证的transcri希望在ccs中看到它们是否发生的pts，或者它们可以是illumina（或以其他方式）修正的ccs读取。
\管道
[-h]-fl_reads fl_reads-outfolder outfolder[--ccs ccs]
[--nr_cores nr_cores][--verbose]
[--neighbor_search_depth neighbor_search_depth]
[--min_exon_diff min_exon_diff]
[--min_candidate min_candiff]
[--p_value_threshold p_value_threshold]
[--min_test_ratio min_test_ratio]
[--max_phred_q_trusted max_phred_q_trusted]
[--ignore_ends_len][--cleanup]
[--prefilter_candidates]
可选参数：
-h，--帮助显示此帮助消息并退出带有ccs序列预测的ccs-ccs-bam/sam文件。
--nr-cores nr-cores要使用的核心数。[默认值=16]
--详细这将打印有关NT工作流的更多信息，并提供相似网络图等。
--邻居搜索深度邻居搜索深度
搜索中成对对齐的最大数目矩阵
以找到最近的邻居。[默认值=2**32]
--两个
neigbors之间的最小consequential base pair差异，以便移除边。如果大于此值，则可能是外显子差异。[默认值=20]
--min_candidate_support min_candidate_support
统计测试中包含的收敛到相同序列的所需最小读取数。[默认值
2]
--p_-value_-threshold p_-value_-threshold
统计测试的阈值，过滤低于此阈值的所有内容。[默认值=0.01]
--最小测试比率最小测试比率
如果候选C的读取数大于
<；最小测试比率>；相对于
参考T（计算为测试比率=C/T，
因为c可能是非常显著的[默认值=
5]
--max-phred-q-u-trusted max-phred-q-u-trusted
最大phred-quality-score-trusted（t），线性地
重新映射质量分数区间[0，93]--gt；[0，t]。
质量分数可能有一些不确定性，因为t是根据一致呼叫者算法估计的。
--忽略结束忽略结束数。如果两个候选者
相同（除了此大小的末端），则它们将
折叠，并选择最长的公共子串来表示它们。在统计测试步骤中，基于忽略此
大小的端点，找到最近的
邻居。同样，这种尺寸的Indels"悬挂"端将不进行测试。[默认值15]。
--清除删除
输出文件夹中除logfile.txt、
candidates_converged.fa和final_candidates.fa之外的所有内容。[默认值=假]
--预筛选候选项
筛选候选项如果它们对由它们组成的候选转录本中的任何
基对不一致，这会减少运行时间在真正的候选人身上没有显著的损失。[默认值=false]
必需参数：
-fl庀reads fl庀reads fast<；a/q>；file pacbio reads of insert.
-outfolder outfolder outfolder.
```
credits
-------
Kristofer Sahlin*、Marta Tomaszkiewicz*、Kateryna D.Makova™、Paul Medvedev™（2018年）"ISOCON：从ISO Seq数据中破译高度相似的多基因家族转录本"，Biorxiv[链接]（https://www.biorxiv.org/content/early/2018/01/10/246066）。
许可证
----
欢迎加入QQ群-->： 979659372
