基因组变异和ngs读取的命令行操作
varlens的Python项目详细描述
变透镜
用于处理基因组变体和 下一代测序读取。对于大型数据集来说不是特别快。这个 重点是将所需的内容从BAMS和VCF提取到CSV文件中 进一步分析。
- 可变透镜变型
- 合并、注释和筛选VCF或CSV文件中的变体。可用 注释包括基因，变异效应，周围的序列背景， 支持从指定BAM文件读取和MHC I绑定的计数 突变肽的亲和力预测
- varlens读取
- 显示、筛选和复制从sam/bam文件读取的内容。部分替换samtools view。
- varlens等位基因支持
- 在BAM文件中的指定位置支持每个等位基因的计数读取。
安装
从PyPI安装：
pip install varlens
或者从git结帐处：
pip install .
运行测试：
nosetests .
构建文档（仅此自述文件和命令行工具帮助）：
pip install -e . pip install Sphinx cd docs make clean setup rst html
文档将写入_build/html目录。
varlens变型
给定一个或多个VCF或CSV文件的变体，应用筛选器，添加其他 列，并输出到csv。
目前我们只能输出到csv，而不能输出到vcf。
通过指定 形式选项'-包括xxx'，例如'-包括基因'。请参阅详细帮助 （用-h运行）。
示例
打印在两个VCF文件中找到的变体的基本信息。注意变量 在两个文件中找到的都列在一行中，“源”列列表中 每个变体的文件都位于：
$ varlens-variants test/data/CELSR1/vcfs/vcf_1.vcf test/data/CELSR1/vcfs/vcf_2.vcf genome,contig,interbase_start,interbase_end,ref,alt,sources GRCh37,22,21829554,21829555,T,G,1.vcf GRCh37,22,46931059,46931060,A,C,1.vcf GRCh37,22,46931061,46931062,G,A,1.vcf 2.vcf GRCh37,22,50636217,50636218,A,C,1.vcf GRCh37,22,50875932,50875933,A,C,1.vcf GRCh37,22,45309892,45309893,T,G,2.vcf
与上述相同，但包含额外的列，使varcode变量生效 注释和变异的基因重叠，并写入文件：
$ varlens-variants test/data/CELSR1/vcfs/vcf_1.vcf test/data/CELSR1/vcfs/vcf_2.vcf \
--include-effect \
--include-gene \
--out /tmp/result.csv
Wrote: /tmp/result.csv
$ cat /tmp/result.csv
genome,contig,interbase_start,interbase_end,ref,alt,sources,effect,gene
GRCh37,22,21829554,21829555,T,G,1.vcf,non-coding-transcript,PI4KAP2
GRCh37,22,46931059,46931060,A,C,1.vcf,p.S670A,CELSR1
GRCh37,22,46931061,46931062,G,A,1.vcf 2.vcf,p.S669F,CELSR1
GRCh37,22,50636217,50636218,A,C,1.vcf,intronic,TRABD
GRCh37,22,50875932,50875933,A,C,1.vcf,splice-acceptor,PPP6R2
GRCh37,22,45309892,45309893,T,G,2.vcf,p.T214P,PHF21B
支持引用/变体/其他等位基因的读取次数的打印计数 从指定的BAM中，仅计数映射质量为10的读取
$ varlens-variants test/data/CELSR1/vcfs/vcf_1.vcf \
--include-read-evidence \
--reads test/data/CELSR1/bams/bam_1.bam \
--min-mapping-quality 10
genome,contig,interbase_start,interbase_end,ref,alt,sources,num_alt,num_ref,total_depth
GRCh37,22,21829554,21829555,T,G,vcf_1.vcf,0,0,0
GRCh37,22,46931059,46931060,A,C,vcf_1.vcf,0,216,320
GRCh37,22,46931061,46931062,G,A,vcf_1.vcf,0,321,321
GRCh37,22,50636217,50636218,A,C,vcf_1.vcf,0,0,0
GRCh37,22,50875932,50875933,A,C,vcf_1.vcf,0,0,0
varlens读取
筛选从一个或多个BAM读取并输出CSV或新BAM。
可以指定轨迹和VCF文件，在这种情况下，读取被过滤到 重叠指定的位点或变体。
示例
打印BAM中读取的基本字段：
$ varlens-reads test/data/CELSR1/bams/bam_0.bam query_name,reference_start,reference_end,cigarstring HISEQ:142:C5822ANXX:3:2116:16538:101199,46929962,46930062,100M HISEQ:142:C5822ANXX:3:1106:18985:32932,46929964,46930064,100M HISEQ:142:C5822ANXX:3:2201:21091:67220,46929966,46930066,100M HISEQ:142:C5822ANXX:4:1304:5363:12786,46929966,46930066,100M HISEQ:142:C5822ANXX:4:1104:9008:85114,46929969,46930069,100M HISEQ:142:C5822ANXX:3:2304:9921:94828,46929970,46930070,100M HISEQ:142:C5822ANXX:3:2211:6266:74633,46929973,46930073,100M HISEQ:142:C5822ANXX:3:1305:8982:42729,46929974,46930074,100M HISEQ:142:C5822ANXX:4:2316:5630:7371,46929978,46930078,100M ...
与上面相同，但仅过滤到与（-）链对齐的读取，写入 文件而不是标准输出，还包括映射质量和顺序 输出中的基数：
$ varlens-reads test/data/CELSR1/bams/bam_0.bam \
--is-reverse \
--field mapping_quality query_alignment_sequence \
--out /tmp/result.csv
Wrote: /tmp/result.csv
$ head /tmp/result.csv
query_name,reference_start,reference_end,cigarstring,mapping_quality,query_alignment_sequence
HISEQ:142:C5822ANXX:3:2116:16538:101199,46929962,46930062,100M,60,CATGATCTGGGCATTAGGGCCTTCATCAGGGTCGTTAGCACGAATCTTTGCCACCACCGACCCCACTGGGTTGTTCTCCTCAACAAACAGCTCCAGTTCG
HISEQ:142:C5822ANXX:3:1106:18985:32932,46929964,46930064,100M,60,TGATCTGGGCATTAGGGCCTTCATCAGGGTCGTTAGCACGAATCTTTGCCACCACCGACCCCACTGGGTTGTTCTCCTCAACAAACAGCTCCAGTTCGTC
HISEQ:142:C5822ANXX:4:1104:9008:85114,46929969,46930069,100M,60,TGGGCATTAGGGCCTTCATCAGGGTCGTTAGCACGAATCTTTGCCACCACCGACCCCACTGGGTTGTTCTCCTCAACAAACAGCTCCAGTTCGTCCTTCT
HISEQ:142:C5822ANXX:4:1202:18451:91174,46929979,46930079,100M,60,GGCCTTCATCAGGGTCGTTAGCACGAATCTTTGCCACCACCGACCCCACTGGGTTGTTCTCCTCAACAAACAGCTCCAGTTCGTCCTTCTCAAACATGGG
HISEQ:142:C5822ANXX:3:1211:18522:54773,46929987,46930087,100M,60,TCAGGGTCGTTAGCACGAATCTTTGCCACCACCGACCCCACTGGGTTGTTCTCCTCAACAAACAGCTCCAGTTCGTCCTTCTCAAACATGGGGGCATTGT
HISEQ:142:C5822ANXX:3:2114:19455:45093,46929987,46930087,100M,60,TCAGGGTCGTTAGCACGAATCTTTGCCACCGCCGACCCCACTGGGTTGTTCTCCTCAACAAACAGCTCCAGTTCGTCCTTCTCAAACATGGGGGCATTGT
HISEQ:142:C5822ANXX:4:2115:9153:21593,46929994,46930094,100M,60,CGTTAGCACGAATCTTTGCCACCACCGACCCCACTGGGTTGTTCTCCTCAACAAACAGCTCCAGTTCGTCCTTCTCAAACATGGGGGCATTGTCATTAAT
HISEQ:142:C5822ANXX:4:1212:15644:87227,46929995,46930095,100M,60,GTTAGCACGTATGTTTGCCACCACCGACCCCACTGAGTTGTTCTCCTCAACAAACAGCTCCAGTTCGTGCTTCTCAAACATGGGGGCAGTGTCATTAATG
HISEQ:142:C5822ANXX:3:1103:4717:26369,46929997,46930097,100M,60,TAGCACGAATCTTTGCCACCACCGACCCCACTGGGTTGTTCTCCTCAACAAACAGCTCCAGTTCGTCCTTCTCAAACATGGGGGCATTGTCATTAATGTC
编写一个BAM文件，其中包含映射质量为30且 重叠某个轨迹：
$ varlens-reads test/data/CELSR1/bams/bam_0.bam \
--min-mapping-quality 30 \
--locus 22:46932040-46932050 \
--out /tmp/result.bam
编写一个BAM文件，其中包含从VCF中读取重叠变体：
$ varlens-reads test/data/CELSR1/bams/bam_0.bam \
--variants test/data/CELSR1/vcfs/vcf_1.vcf \
--out /tmp/result.bam
仅以CSV格式打印BAM的标题：
$ varlens-reads test/data/CELSR1/bams/bam_0.bam --header
varlens等位基因支持
如果要考虑一个或多个BAM和一些基因组站点，请编写一个CSV文件 为每个BAM的每个位点提供支持每个等位基因的读取计数。
要考虑的基因组位点可以由位点（–位点选项）指定，或者通过 一个或多个VCF文件。
此命令输出的位置在interbase坐标中，即。 从0开始，第一个索引包含在内，第二个索引不包含在内（与 VCF文件中使用的基于一的包含坐标）。
示例
varlens-allele-support \
--reads test/data/CELSR1/bams/bam_1.bam \
--locus 22:46931061 22:46931063
source,contig,interbase_start,interbase_end,allele,count
bam_1.bam,22,46931060,46931061,,1
bam_1.bam,22,46931060,46931061,G,329
bam_1.bam,22,46931062,46931063,A,327
bam_1.bam,22,46931062,46931063,AC,1
bam_1.bam,22,46931062,46931063,AG,2
关于坐标系的注释
varlens在内部使用基于0的半开放坐标。很多工具 （包括samtools和vcf文件）使用包含的基于1的坐标。我们试着 在任何时候我们都可以用“interbase”这个词来把混乱降到最低 使用基于0的半开放坐标和“包含”时，我们使用基于1的 包含坐标。
一个特别棘手的问题是当指定位置时上 命令行，例如--locuschr22:43243-43244。保持一致性 使用最常见的其他工具，当您指定 chr22:10-20，我们将其解释为基于1的包含坐标。到 指定基于0的半开放坐标，使用以下语法：chr22/11-20（即 斜线而不是冒号）。
看这个blog post 有关坐标系的详细信息。
欢迎加入QQ群-->： 979659372
