-
Para Windows - Terminal https://github.com/git-for-windows/git/releases/download/v2.28.0.windows.1/PortableGit-2.28.0-32-bit.7z.exe
-
Para Macbook: Buscar no Spotlight (buscar por Terminal - dois cliques)
ssh -o "ServerAliveInterval 120" -p SUA_PORTA [email protected]
# ls para listar arquivos e diretorios
ls
# pwd para informar o diretorio atual
pwd
# cd para entrar e sair de diretorios
cd resultados/
# e voltar para casa
cd ../
# aqui é a sua casa (seu home)
cd
# ~ é a sua casa
cd ~
# criar o diretorio no home (caso ele ainda nao exista)
mkdir ~/bioinfo/
mkdir ~/bioinfo/resultados
mkdir ~/bioinfo/reference
mkdir ~/bioinfo/data
mkdir ~/bioinfo/data/fastq
Fonte: Comandos Básicos do Terminal Linux
# volta para casa
cd
# mkdir para criar um diretorio
mkdir ~/bioinfo/resultados
# cd para entrar no diretorio resultados
cd ~/bioinfo/resultados/
# mkdir para criar o diretorio das amostras 003, 017 e 019
mkdir 003 017 019
# download do script para copiar os dados
git clone https://github.com/circulosmeos/gdown.pl.git
# entrar no diretorio gdwon.pl
cd gdown.pl
# rodar o script ./gdown.pl download
./gdown.pl/gdown.pl https://drive.google.com/open?id=1LlBQ2BNI_vF-E_4ntrEexJQ2-Wea2e0o 003.fastq.gz
./gdown.pl/gdown.pl https://drive.google.com/open?id=1KKmk90gUk0174MvATZzWRwyqRSHJNZDv 017.fastq.gz
./gdown.pl/gdown.pl https://drive.google.com/open?id=11jtliN2G0vTs50-z79QxXLWkStPeuh2E 019.fastq.gz
# movendo arquivos fastq para outro diretorio
mv 003.fastq.gz 017.fastq.gz 019.fastq.gz ~/bioinfo/data/fastq
# voltar para o home
cd
No terminal do Linux, vamos instalar alguns pacotes: (o resto vem instalado).
# install dabases annovar
# NOTA: entreno no site do ANNOVAR com seu e-mail e salve o arquivo no diretorio: ~/bionfo/app/
# entrar no diretorio
cd ~/bioinfo/app/
# download do arquivo annovar.latest.tar.gz
./gdown.pl/gdown.pl https://drive.google.com/file/d/1XVnRT0GUKFuQifvoROgHMqoy4aV3PCGX/view?usp=sharing annovar.tar.gz
# descompactar
tar -zxvf annovar.tar.gz
# entrar no diretorio annovar
cd annovar
# baixar as bases: clinvar e exac03
perl annotate_variation.pl -buildver hg19 -downdb -webfrom annovar clinvar_20200316 humandb/
perl annotate_variation.pl -buildver hg19 -downdb -webfrom annovar exac03 humandb/
Linux: O Linux é um sistema operacional, assim como o Windows da Microsoft e o Mac OS da Apple. Ele foi criado pelo finlandês Linus Torvalds, e o nome é a mistura do nome do criador com Unix, um antigo sistema operacional da empresa de mesmo nome. O que é Linux?.
Pipelines: Primeiro, o pipeline não é um termo de bioinformática, é na verdade um termo de ciência da computação, envolve encadeamento de processos / threads / funções etc. Em resumo, o resultado de um processo é a entrada de um novo processo na sequência. A review of bioinformatic pipeline frameworks
Vamos utilizar uma instância na Amazon Cloud com Sistema Operacional Linux Ubuntu. Os programas para que possamos criar nosso pipeline de análises de sequenciamento de nova geração já foram instalados e serão apenas listados nesse documento. O objetivo é melhorar a experiência de usuários iniciantes em "digitar comandos em um terminal linux" e ser um roteiro para que todos possam se localizar.
Estrutura de diretórios: sequências, programas e arquivos de referência.
- ~/bioinfo
- ~/bioinfo/app
- ~/bioinfo/data
- ~/bioinfo/data/fastq
- ~/bioinfo/reference
- ~/bioinfo/resultados
Listamos os programas previamente instalados em nosso ambiente para executar o pipeline de chamada de varinates:
Nesta estapa vamos utilizar dois cromossomos humanos (chr13 e chr17), nossos genes de interesse são: BRCA1 e BRCA2. NCBI BRCA 1 and 2
Acessar o site: Sequence and Annotation Downloads
cd ~/bioinfo/reference
# wget para fazer download do chr13
wget -c http://hgdownload.soe.ucsc.edu/goldenPath/hg19/chromosomes/chr13.fa.gz
# wget para fazer download do chr17
wget -c http://hgdownload.soe.ucsc.edu/goldenPath/hg19/chromosomes/chr17.fa.gz
# cat para concatenar os arquivo do cromossomo 13 e 17 em hg19.fa
zcat chr13.fa.gz chr17.fa.gz > hg19.fa
# rm para deletar os arquivos chr13.fa e chr17.fa
rm chr13.fa chr17.fa
Agora, é preciso indexar o arquivo FASTA da referência. Todos os programas de alinhmaneto tem esta etapa que otimiza o processo de alinhamento das nossas sequências na referência.
NOTA: A etapa de index é feita apenas uma vez para cada arquivo de referência:
# bwa index para gerar o index da referencia hg19.fa
# entrar no diretorio reference
cd ~/bioinfo/reference
# indexar o arquivo hg19.fa
bwa index hg19.fa
Gerar relatório de controle de qualidade com FastQC (Tempo ~10s):
# fastqc para gerar relatorio de qualidade dos arquivo FASTQ
# opcao (-o ./) diz para salvar o resultado no mesmo arquivo em que o comando esta sendo rodado.
# cd para voltar para a casa
cd
# rodar fastqc e salvar o resultado de cada amostra em seu diretorio
fastqc -o ~/bioinfo/resultados/003/ ~/bioinfo/data/fastq/003.fastq.gz
FastQC 003 resultado
~10 min
#cutadapt: localizar e remover adaptadres O Cutadapt localiza e remove sequências de adaptadores, primers, caudas poly-A e outros tipos de sequência indesejada. Aqui vamos utilizar as funções para "trimar" sequências pequenas e maiores do que o esperado. (Tempo ~3s):
Gitpod Note: Execute esse comando no terminal do gitpod caso o cutadapt não esteja instalado.
python3 -m pip install --user --upgrade cutadapt
-m LEN[:LEN2], --minimum-length=LEN[:LEN2]
Discard reads shorter than LEN. Default: 0
-M LEN[:LEN2], --maximum-length=LEN[:LEN2]
Discard reads longer than LEN. Default: no limit
# cd para voltar para a casa
cd
# cutadapt para remover sequencias de tamanho menores 100pb e maiores que 220
cutadapt --minimum-length 100 --maximum-length 220 -q 15 -o ~/bioinfo/resultados/003/003.cutadapt.fastq ~/bioinfo/data/fastq/003.fastq.gz
003.cutadapt.fastq resultado
Alinha sequencias de tamanho 70bp-1Mbp com o algoritmo BWA-MEM. Em resumo o algoritmo trabalha com "alinhamento por sementes" com maximal exact matches (MEMs) e então estendendo sementes com o algoritmo Smith-Waterman (SW). Link. Tempo (~60s):
# cd para voltar para casa
cd
# rodar bwa para alinhar as sequencias contra o genoma de referencia
bwa mem -R '@RG\tID:003\tSM:003_NGSA\tLB:Agilent\tPL:Ion' ~/bioinfo/reference/hg19.fa ~/bioinfo/data/fastq/003.fastq.gz > ~/bioinfo/resultados/003/003.sam
BWA-mem 003 resultado
Preencha coordenadas de posicionamento, posicione FLAGs relacionadas a partir a alinhamentos classificados por nome. Tempo (~5s):
samtools fixmate ~/bioinfo/resultados/003/003.sam ~/bioinfo/resultados/003/003.bam
SAMTOOLS fixmate 003 resultado
Tempo: ~10min
O samtools sort vai ordenar de nome para ordem de coordenadas. Tempo (5s):
time samtools sort -O bam -o ~/bioinfo/resultados/003/003_sort.bam -T /tmp/ ~/bioinfo/resultados/003/003.bam
SAMTOOLS sort 003 resultado
Tempo: ~1min
O samtools index cria um index (.BAI) do arquivo binário (.BAM):
samtools index ~/bioinfo/resultados/003/003_sort.bam
SAMTOOLS index 003 resultado
Tempo: ~1min
O FreeBayes é um detector variante genético Bayesiano projetado para encontrar pequenos polimorfismos, especificamente SNPs (polimorfismos de nucleotídeo único), indels (inserções e deleções), MNPs (polimorfismos de múltiplos nucleotídeos) e eventos complexos (eventos compostos de inserção e substituição) menores que os comprimento de um alinhamento de seqüenciamento de leitura curta. Link. Tempo (~6min):
freebayes -f ~/bioinfo/reference/hg19.fa -F 0.01 -C 1 --pooled-continuous ~/bioinfo/resultados/003/003_sort.bam > ~/bioinfo/resultados/003/003.vcf
-C --min-alternate-count N
Require at least this count of observations supporting
an alternate allele within a single individual in order
to evaluate the position. default: 2
--pooled-continuous
Output all alleles which pass input filters, regardles of
genotyping outcome or model.
FREEBAYES call variant 003 resultado
Tempo: ~10min
ANNOVAR éma ferramenta eficiente para anotar funcionalmente variantes genéticas detectadas a partir de diversos genomas (incluindo o genoma humano hg18, hg19, hg38, bem como mouse, verme, mosca, levedura e muitos outros). [Link]. Aqui vamos converter .VCF para .avinput. Tempo (~5s):
perl /bioinfo/app/annovar/convert2annovar.pl -format vcf4 ~/bioinfo/resultados/003/003.vcf > ~/bioinfo/resultados/003/003.avinput
output: mensagens na tela
-----------------------------------------------------------------
NOTICE: Processing operation=g protocol=refGene
NOTICE: Running with system command <annotate_variation.pl -geneanno -buildver hg19 -dbtype refGene -outfile resultados/003/003.refGene -exonsort resultados/003/003.avinput /bioinfo/app/annovar/humandb/>
NOTICE: Output files were written to resultados/003/003.refGene.variant_function, resultados/003/003.refGene.exonic_variant_function
Error: cannot read from --queryfile (resultados/003/003.avinput): No such file or directory
Error running system command: <annotate_variation.pl -geneanno -buildver hg19 -dbtype refGene -outfile resultados/003/003.refGene -exonsort resultados/003/003.avinput /bioinfo/app/annovar/humandb/>
Arquivo .avinput
# comando head para listar as 10 primeiras linhas do arquivo 003.avinput
head resultados/003/003.avinput
chr13 19127992 19127992 G A hom 11.313 1
chr13 19128097 19128097 A G hom 19.0318 1
chr13 19128113 19128113 T A hom 15.1147 1
chr13 19650636 19650636 T CAA hom 12.2464 1
chr13 19650650 19650650 T A hom 2.53014 1
chr13 19650671 19650671 G C hom 19.0318 1
chr13 19650676 19650683 GCCTGAGC ACACGACT hom 11.313 1
chr13 19650695 19650703 TGTATGGAT CATACAGAG hom 14.1494 1
chr13 19650738 19650746 TCCTTCACG CCCTGGACA hom 16.0868 1
chr13 19650770 19650770 G A hom 19.0318 1
ANNOVAR convert2annovar 003 resultado
Anotar as variantes chamadas utilizando algumas bases de dados públicas: Tempo (~5s).
perl /bioinfo/app/annovar/table_annovar.pl resultados/003/003.avinput ~/bioinfo/app/annovar/humandb/ -buildver hg19 -out ~/bioinfo/resultados/003/003 -remove -protocol refGene,exac03,clinvar_20200316 -operation g,f,f -nastring .
output:
-----------------------------------------------------------------
NOTICE: Processing operation=g protocol=refGene
NOTICE: Running with system command <annotate_variation.pl -geneanno -buildver hg19 -dbtype refGene -outfile resultados/003/003.refGene -exonsort resultados/003/003.avinput /bioinfo/app/annovar/humandb/>
NOTICE: Output files were written to resultados/003/003.refGene.variant_function, resultados/003/003.refGene.exonic_variant_function
NOTICE: Reading gene annotation from /bioinfo/app/annovar/humandb/hg19_refGene.txt ... Done with 63481 transcripts (including 15216 without coding sequence annotation) for 27720 unique genes
NOTICE: Processing next batch with 2312 unique variants in 2312 input lines
NOTICE: Reading FASTA sequences from /bioinfo/app/annovar/humandb/hg19_refGeneMrna.fa ... Done with 11 sequences
WARNING: A total of 402 sequences will be ignored due to lack of correct ORF annotation
-----------------------------------------------------------------
NOTICE: Processing operation=f protocol=exac03
NOTICE: Finished reading 8 column headers for '-dbtype exac03'
NOTICE: Running system command <annotate_variation.pl -filter -dbtype exac03 -buildver hg19 -outfile resultados/003/003 resultados/003/003.avinput /bioinfo/app/annovar/humandb/ -otherinfo>
NOTICE: the --dbtype exac03 is assumed to be in generic ANNOVAR database format
NOTICE: Variants matching filtering criteria are written to resultados/003/003.hg19_exac03_dropped, other variants are written to resultados/003/003.hg19_exac03_filtered
NOTICE: Processing next batch with 2312 unique variants in 2312 input lines
NOTICE: Database index loaded. Total number of bins is 749886 and the number of bins to be scanned is 70
NOTICE: Scanning filter database /bioinfo/app/annovar/humandb/hg19_exac03.txt...Done
-----------------------------------------------------------------
NOTICE: Processing operation=f protocol=clinvar_20190114
NOTICE: Finished reading 5 column headers for '-dbtype clinvar_20190114'
NOTICE: Running system command <annotate_variation.pl -filter -dbtype clinvar_20190114 -buildver hg19 -outfile resultados/003/003 resultados/003/003.avinput /bioinfo/app/annovar/humandb/ -otherinfo>
NOTICE: the --dbtype clinvar_20190114 is assumed to be in generic ANNOVAR database format
NOTICE: Variants matching filtering criteria are written to resultados/003/003.hg19_clinvar_20190114_dropped, other variants are written to resultados/003/003.hg19_clinvar_20190114_filtered
NOTICE: Processing next batch with 2312 unique variants in 2312 input lines
NOTICE: Database index loaded. Total number of bins is 45640 and the number of bins to be scanned is 54
NOTICE: Scanning filter database /bioinfo/app/annovar/humandb/hg19_clinvar_20190114.txt...Done
-----------------------------------------------------------------
NOTICE: Multianno output file is written to resultados/003/003.hg19_multianno.txt
Arquivo .hg19_multiano.txt
# filtro com o comando grep para buscar apenas o cabeçalho e variantes do tipo exonic
grep "^Chr\|exonic" resultados/003/003.hg19_multianno.txt | head
Chr Start End Ref Alt Func.refGene Gene.refGene GeneDetail.refGene ExonicFunc.refGene AAChange.refGene ExAC_ALL ExAC_AFR ExAC_AMR ExAC_EAS ExAC_FIN ExAC_NFE ExAC_OTH ExAC_SAS CLNALLELEID CLNDN CLNDISDB CLNREVSTAT CLNSIG
chr13 32906565 32906565 - A exonic BRCA2 . frameshift insertion BRCA2:NM_000059:exon10:c.951dupA:p.T317fs 8.321e-06 0 0 0.0001 0 0 0 0 67538 Hereditary_breast_and_ovarian_cancer_syndrome|Familial_cancer_of_breast|Hereditary_cancer-predisposing_syndrome|Breast-ovarian_cancer,_familial_2|not_provided MeSH:D061325,MedGen:C0677776,Orphanet:ORPHA145|MedGen:C0006142,OMIM:114480,Orphanet:ORPHA227535,SNOMED_CT:254843006|MedGen:C0027672,SNOMED_CT:699346009|MedGen:C2675520,OMIM:612555|MedGen:CN517202 reviewed_by_expert_panel Pathogenic
chr13 32906729 32906729 A C exonic BRCA2 . nonsynonymous SNV BRCA2:NM_000059:exon10:c.A1114C:p.N372H 0.2779 0.1249 0.3049 0.2728 0.2331 0.2818 0.2677 0.3558 24368 Hereditary_breast_and_ovarian_cancer_syndrome|Familial_cancer_of_breast|Fanconi_anemia|Hereditary_cancer-predisposing_syndrome|Ductal_breast_carcinoma|Breast-ovarian_cancer,_familial_2|not_specified|not_provided MeSH:D061325,MedGen:C0677776,Orphanet:ORPHA145|MedGen:C0006142,OMIM:114480,Orphanet:ORPHA227535,SNOMED_CT:254843006|MedGen:C0015625,Orphanet:ORPHA84,SNOMED_CT:30575002|MedGen:C0027672,SNOMED_CT:699346009|MedGen:C1527349|MedGen:C2675520,OMIM:612555|MedGen:CN169374|MedGen:CN517202 reviewed_by_expert_panel Benign
chr13 32907215 32907215 - A exonic BRCA2 . frameshift insertion BRCA2:NM_000059:exon10:c.1601dupA:p.E534fs . .
chr13 32907303 32907303 G - exonic BRCA2 . frameshift deletion BRCA2:NM_000059:exon10:c.1688delG:p.W563fs . 234658 Hereditary_cancer-predisposing_syndrome|Breast-ovarian_cancer,_familial_2 MedGen:C0027672,SNOMED_CT:699346009|MedGen:C2675520,OMIM:612555 reviewed_by_expert_panel Pathogenic
chr13 32907421 32907421 A - exonic BRCA2 . frameshift deletion BRCA2:NM_000059:exon10:c.1806delA:p.G602fs . 46319 Hereditary_breast_and_ovarian_cancer_syndrome|Hereditary_cancer-predisposing_syndrome|Breast-ovarian_cancer,_familial_2|not_provided MeSH:D061325,MedGen:C0677776,Orphanet:ORPHA145|MedGen:C0027672,SNOMED_CT:699346009|MedGen:C2675520,OMIM:612555|MedGen:CN517202 reviewed_by_expert_panel Pathogenic
chr13 32910430 32910430 C T exonic BRCA2 . synonymous SNV BRCA2:NM_000059:exon11:c.C1938T:p.S646S 0.0009 0.0002 0.0008 0 0 0.0015 0 0 65898 Hereditary_breast_and_ovarian_cancer_syndrome|Familial_cancer_of_breast|Fanconi_anemia|Hereditary_cancer-predisposing_syndrome|Breast-ovarian_cancer,_familial_2|not_specified|not_provided MeSH:D061325,MedGen:C0677776,Orphanet:ORPHA145|MedGen:C0006142,OMIM:114480,Orphanet:ORPHA227535,SNOMED_CT:254843006|MedGen:C0015625,Orphanet:ORPHA84,SNOMED_CT:30575002|MedGen:C0027672,SNOMED_CT:699346009|MedGen:C2675520,OMIM:612555|MedGen:CN169374|MedGen:CN517202 reviewed_by_expert_panel Benign
chr13 32910661 32910661 - A exonic BRCA2 . frameshift insertion BRCA2:NM_000059:exon11:c.2170dupA:p.S723fs . 46332 Neoplasm_of_the_breast|Hereditary_breast_and_ovarian_cancer_syndrome|Breast-ovarian_cancer,_familial_2 Human_Phenotype_Ontology:HP:0100013,MeSH:D001943,MedGen:C1458155,Orphanet:ORPHA180250,SNOMED_CT:126926005|MeSH:D061325,MedGen:C0677776,Orphanet:ORPHA145|MedGen:C2675520,OMIM:612555 reviewed_by_expert_panel Pathogenic
chr13 32911321 32911334 TAAAAAAGATTTGG AAAAAAAGATTTTGGT exonic BRCA2 . frameshift substitution BRCA2:NM_000059:exon11:c.2829_2842AAAAAAAGATTTTGGT . . . . . . . . . . . . .
chr13 32911443 32911443 A - exonic BRCA2 . frameshift deletion BRCA2:NM_000059:exon11:c.2951delA:p.E984fs . 248944 Hereditary_cancer-predisposing_syndrome|Breast-ovarian_cancer,_familial_2 MedGen:C0027672,SNOMED_CT:699346009|MedGen:C2675520,OMIM:612555 reviewed_by_expert_panel Pathogenic
Utilize o commando less -SN resultados/003/003.hg19_multianno.txt
para visualizar o arquivo de anotação. Para sair do comando less pressione a tecla q
.