CNVの検出

生成したbamファイルをもとにCNV ( コピー数変異 ) を検出します。

PARABRICKS CNVKIT

出力結果はcnnファイル、cnrファイル、cnsファイルとして生成します。

cnnファイル、cnrファイル、cnsファイルはテキストファイルなので、

そのままlessコマンドで見ることができます。( テキストファイルを見る方法 )

ファイルの見方は https://cnvkit.readthedocs.io/en/stable/fileformats.html?highlight=cns を見てください。

このパイプラインではgrepコマンドでcnsとcnrから特定の染色体を抽出した後

オリジナルのcnvkitを使ってscatter.pngとdiagram.pdfを作成します。

pngファイルやpdfファイルは そのままで見ることができないので

scpコマンドを使って自分のpcにダウンロードしてからファイルを開きます。( ファイルのダウンロード方法 )

ファイルを開くとCNVが検出されていることがわかります。

図の見方は https://cnvkit.readthedocs.io/en/stable/plots.html?highlight=pdf を見てください。

Sequenza

Sequenzaはがんのサンプルのbamファイルと正常なサンプルのbamファイルを使って

cellularity(腫瘍細胞含有率)やploidy(倍数性)の推定、コピー数の計算をします。

出力ファイル一覧

ファイル名	説明
{サンプル名}_all_small_out.seqz.gz_ab_[ all | 1 - 22 | X | Y ].pdf	Gene wide overview ( Allele-specific copy number )
{サンプル名}_all_small_out.seqz.gz_baf_[ 1 - 22 | X | Y ].pdf	Chromosome view
{サンプル名}_all_small_out.seqz.gz_cnv_[ all | 1 - 22 | X | Y ].pdf	Gene wide overview ( Total copy number )
{サンプル名}_all_small_out.seqz.gz_cellularity.pdf	それぞれのcellularityのposterior probability
{サンプル名}_all_small_out.seqz.gz_cellularity.txt	posterior probabilityが最大となるときのcellularity
{サンプル名}_all_small_out.seqz.gz_ploidy.txt	posterior probabilityが最大となるときのploidy
{サンプル名}_all_small_out.seqz.gz_seq_tab.tsv	Segments results
{サンプル名}_all_small_out.seqz.gz_hrd_loh.txt	LOH score

Note

リファレンスファイルについて

Sequenzaはhg19で動くのでCrossMapでbamファイルをhg38からhg19に変換して

Sequenzaを実行します。

実行後はhg38に戻しません。

Sequenza以外のツールはhg38で実行します。

Note

non_matching_normal_fileについて

bamファイルを動作確認用に置いてあります。(/home/kks_th/CaGMeJ_git/SRC/v8/database/sequenza/hg19_5929_tumor.sorted.bam)

適宜設定してください。

Sequenzaについては

https://cran.r-project.org/web/packages/sequenza/vignettes/sequenza.html

https://sequenza-utils.readthedocs.io/en/latest/

を参考にしてください。

Note

set +e

sequenzaのRスクリプトがエラーを出力しても止まらないようにしています。

FACETS

FACETSはがんのサンプルのbamファイルと正常なサンプルのbamファイルを使って

アレル特異的コピー数解析をします。

出力ファイル一覧(fit=emcncf(oo))

ファイル名	説明
{サンプル名}.out.fit.tsv	rbind( fit$purity, fit$ploidy, fit$dipLogR, fit$cncf, fit$emflags )
{サンプル名}.out.logR.tsv	oo$dipLogR
{サンプル名}.out.png	genome-wide profile(logR, logOR, copy number)
{サンプル名}.out.purity.tsv	fit$purity

https://sites.google.com/site/mskfacets/

https://github.com/mskcc/facets

https://pubmed.ncbi.nlm.nih.gov/27270079/

を参考にしてください。

Note

snp-pileup

このパイプラインではbamファイルをregionごとに読み込むように

snp-pileupを改変しています。

Note

バグ

facetsのv0.6.2では

segidの計算処理に関するバグがあります。(facets-clustersegs.Rの中の変数)

このパイプラインではそのバグを修正しています。

Note

purityがNAの場合

facetsではsegment内のヘテロなgermline変異に対して

tumor, normal x non-ref, refの2x2の組み合わせでリード数をもとにオッズ比を計算します。

対数オッズ比の絶対値が分散に対して小さい場合purityがNAになります。

Note

ファイルシステム関連のエラー

破損したbamファイルを使ってsnp-pileupを実行しても正常終了するケースがありました。

bamファイルが破損していた場合に異常終了するようにsnp-pileupを改変しました。

CNVkit

CNVkitはがんのサンプルのbamファイルと正常なサンプルのbamファイルを使って

ゲノム全体のコピー数変異を検出します。

https://cnvkit.readthedocs.io/en/stable/pipeline.html

を参考にしてください。

出力ディレクトリはcnvkit_compareです。

DNA 解析で出力されるファイルについて を参考にしてください。

Note

性別不明

このパイプラインではサンプルの性別が不明の場合は

is_male_reference = not self.guess_xx(verbose=False)で性別を推測しています。

推測した結果はis_male_reference.txtとして出力して、

その結果をもとに下流での–male-referenceのオプションのbool値を判断します。

サンプルとreferenceの性別が異なるとscatter, cnr, cnsのX染色体のlogの値が1ずれます。

Note

cnvkit.py call(腫瘍率による補正)

cnvkit.py callはcnsファイルのlog2 ratioをもとにcopy numberを計算します。

このパイプラインではcnvkit.py callのオプションに

-m clonal –purity {腫瘍率(FACETSのout.purity.tsvの値)}

を用いて腫瘍率による補正をしています。

FACETSのout.purity.tsvの値がNAの場合はスキップします。

腫瘍率による補正をした出力ファイル一覧

ファイル名
{サンプル名}.purity_calibrated.call.cns
{サンプル名}.purity_calibrated.call.cns.vcf
{サンプル名}-scatter_purity_calibrated.png
{サンプル名}-diagram_purity_calibrated.pdf

Battenberg

Battenbergはがんのサンプルのbamファイルと正常なサンプルのbamファイルを使って( データの種類はWGS(全ゲノム) )

subclonal copy numberを検出します。

https://github.com/Wedge-lab/battenberg

を参考にしてください。

Note

改変

SHIROKANE上で実行できるように改変しています。