single cell sequencing

Reference - 

https://en.wikipedia.org/wiki/Single_cell_sequencing

samba 설정하기

samba를 설치하는 방법은 다른 홈페이지를 참고. centos에서는 아래 명령어로 설치 가능하다

yum install samba

samba에 접속할 디렉토리를 설정하기 위해서 /etc/samba/smb.conf 파일을 수정해야 한다.

global 설정을 아래처럼 하고 특정 IP만 허용하고 싶으면 hosts allow 부분에 아이피를 넣어주면 된다.

home에 연결하기 위해서는 \\server\[username] 을 입력해주면 되고 특정 폴더에 연결하고 싶다면 \\server\TEST로 연결해 주면 된다.

Genome-wide characterization of centromeric satellites from multiple mammalian genomes

Centromere 영역은 complex repeat 구조 때문에 해결하기 힘든 과제로 남아있음. RepeatNet이라는 computational method를 개발하여 WGS sequence data 상에서 higher-order repeat structure를 밝히고 그 기능을 밝히고자 함. 6종의 포유동물 (말, 개, 코끼리, 아르마딜로, 주머니쥐, 오리너구리) genome을 사용하여 테스트 해봄. Centromere에 존재하는 sequence는 진화 하는 동안 매우 빠르게 변하기 때문에 종 특이적 sequence를 가지고 있음. 따라서 이미 정해진 서열을 찾는게 아니라 higher-order repeating 구조에 기반하여 서열을 찾아야 함.

Method

- Read의 insert size가 centromere 영역보다 작을 때 left read와 right read 모두 repeat 되는 경향을 보일 것임. 이러한 read를 k-mer로 쪼개서 그래프로 만들면 특정 패턴이 반복되는 경향을 보일 것임. 이러한 read 중에 satellite 영역에 걸치는 영역들까지 계산하면 satellite sequence의 길이를 예측 가능함. 길이 분포는 대략 140-930nt까지 종에 따라서 다양하게 나타나는 것을 확인함. (figure 1., table1.)

Result

- 실제 관측 결과 종 별로 서열이 조금씩 달라지는 것을 확인할 수 있었고 MSA를 했을 때 종 간 거리에 따라 variation이 늘어나는 것을 확인할 수 있었음. (figure 3.) 또한 특이적이게도 오리너구리에서는 centromere에서 satellite DNA를 찾을 수 없었는데 enrich 되어 있지 않는 것으로 보임.

resource -

Can Alkan et al., Genome-wide characterization of centromeric satellites from multiple mammalian genomes, Genome research, 2010

awk 응용하기!

awk '{if ($1 ~ ">gga" || $1 ~ ">tgu") {print $1 ; getline ; print}}' mature.fa > mature.others.fa

줄의 시작이 ">gga" 또는 ">tgu"로 시작하는 줄에서 $1를 프린트 하고 라인을 읽고 전체 줄을 프린트한다.

mature.fa 파일은 mirbase에서 다운로드 받은 것으로 전체 종의 대한 mature miRNA sequence가 전부 포함되어 있다.

mirdeep2에서 유사종의 mature miRNA sequence만 가져오고 싶으며 또한 sequence id에 추가 설명 없이 1번 column만 포함되어야 하므로 위와 같은 코드를 구성하였다.

fasta 파일에서 contig 별로 sequence 가져오기.

contig의 형식은 아래와 같았다.

>로 시작하는 id는 substr를 사용해 숫자 부분만 가져오고 >로 시작하지 않으면 이전에 정한 id 변수 이름에 write.

awk '{if ($1 ~ ">") id = substr($1,8)} {print >> "jelly.out.break.fasta."id".txt"}' ../break/jelly.out.break.fasta

필요에따라 id를 변수로 지정하는 부분만 바꿔주면 될듯 하다.

fasta 파일에서 "|" 와 "_"로 이어져있는 id를 쪼개기.

NextSV: a computational pipeline for structural variation analysis from low-coverage long-read sequencing

Long-read sequencing을 기반으로 한 Structural variants를 찾아내는 프로그램으로 직접 알고리즘을 개발한 것은 아니고 이 전에 개발된 프로그램들의 조합(aligner와 SV caller)을 고려하고 parameter를 최적화 하는 작업을 진행한 meta SV caller이다. 비교 대상은 가장 많이 쓰이고 있는 PBHoney와 Sniffles이며 두 프로그램의 feature는 PBHoney는 long-read discordance와 interrupted mapping이고 Sniffles는 split-read, high-mismatch, coverage 등을 사용하고 있다. 두 프로그램은 aligner를 특정하여 진행하고 있는데 NextSV는 모든 조합(Figure 1)을 고려하여 sensitive/stringent set의 결과를 도출한다.(이후 분석 목적에 따라 어떤 set로 진행할 지 정하면 된다.) 또한 이 과정에서 long-read는 아직까지 sequencing 비용이 비싸 depth가 깊지 않은 경우가 많은데 이러한 depth에 따른 parameter까지 고려하여 parameter를 최적화 하고 있다. 이후에는 (Figure 2-4) 검증된 두 데이터 (NA12878과 Ashkenazi Jewish family trio)를 가지고 performance를 비교하였다. 대부분의 결과에서 NextSV caller를 사용한 결과가 좋았으나 PBHoney와 Sniffles에서는 default옵션으로만 진행하였다는 것을 고려해야 하며 논문에서는 시간이나 사용하는 메모리 등에 대한 비교는 Table 5 이외에는 없고 Table 5도 NextSV에서 각 step별 소요 시간만을 보여주고 있다. NextSV가 meta SV caller인만큼 performance는 좋을 지라도 computational resource 사용면에서는 다른 프로그램에 비해 안좋을 것이라고 예상된다. 

resource -

Li Fang et al., NextSV: a computational pipeline for structural variation analysis from low-coverage long-read sequencing, BioRxiv, 2017