目前检测结构变异的方法众多，长 reads 序列的比对有 NGMLR、Minimap2、Nucmer 等；基于序列比对结构检测结构变异的软件有 SVIM、Sniffles、SyRI 等。
但不同方法的检测效力可能存在差异，Zhou et al. 2023, Nat Commun 发表了一篇倒位变异的泛基因组文章，测试了不同方法的检测效力。
由上表可知，结合 Nucmer 和 SyRI 软件对于倒位变异的识别数目和准确性都高于其它软件。
这里对 work flow 4 的计算流程做简要记录。
nucmer 是 MUMmer 软件中核苷酸序列比对的一个程序，关于 MUMmer 软件的计算可选参数以及结果文件的解读，见之前的分享：
本文主要介绍一下结构变异检测软件 SYRI 的使用。
SYRI（Synteny and Rearrangement Identifier）是一种用于识别基因组中的结构同源和重排事件的软件工具。它的主要功能包括识别基因组中的结构同源、转座、倒位等重排事件，以及识别基因组中的结构变异（SV）和单核苷酸多态性（SNP）等。
结构同源识别：SYRI能够识别基因组中的结构同源，即同一物种中不同染色体上的基因之间的保守性关系。通过识别结构同源，可以帮助研究人员理解基因组的结构和演化。
重排事件识别：SYRI可以识别基因组中的多种重排事件，包括转座、倒位等。这些重排事件在基因组演化和遗传变异中起着重要作用，因此对它们的识别和分析具有重要意义。
结构变异和单核苷酸多态性识别：除了识别结构同源和重排事件外，SYRI还可以识别基因组中的结构变异（SV）和单核苷酸多态性（SNP）等其他变异类型。这些变异是基因组遗传变异的重要组成部分，对疾病研究和品种改良等方面具有重要意义。
参数可调性：SYRI提供了多种参数和选项，可以根据用户的需求进行调整。用户可以根据自己的研究目的和数据特点，调整参数以获得最佳的分析结果。
高效性和准确性：SYRI具有高效的算法和准确的分析结果。它能够处理大规模的基因组数据，并且具有良好的准确性和可靠性。
快速开始
## 基因组比对
nucmer --maxmatch -c 100 -b 500 -l 50 refgenome qrygenome
## 比对结果过滤
delta-filter -m -i 90 -l 100 out.delta > out.filtered.delta
## 获得每个 alignment 的位置
show-coords -THrd out.filtered.delta > out.filtered.coords
## 结构变异检测
python3 $PATH_TO_SYRI -c out.filtered.coords -d out.filtered.delta -r refgenome -q qrygenome
## 结果绘图
python3 $PATH_TO_PLOTSR syri.out refgenome qrygenome -H 8 -W 5
可选参数：
输入文件：
-c INFILE：包含比对坐标的文件。这个文件可能是从一个比对软件（比如MUMmer）生成的，其中包含了两个基因组之间的比对信息，包括每个比对的起始位置、终止位置等信息。
-r REF：作为比对参考的基因组A的文件。
-q QRY：作为比对查询的基因组B的文件。
-d DELTA：MUMmer生成的.delta文件。
可选参数：
-F {T,S,B}：指定输入文件的类型。可以是表格文件（T），SAM文件（S）或BAM文件（B）。默认为表格文件。
-k：保留中间输出文件。默认为False。
--log {DEBUG,INFO,WARN}：设置日志级别。可以选择DEBUG（调试）、INFO（信息）、WARN（警告）等级别。默认为INFO。
--lf LOG_FIN：指定日志文件的名称。默认为"syri.log"。
--dir DIR：指定工作目录的路径。默认为当前目录。
--prefix PREFIX：指定输出文件名前缀。默认为空。
--seed SEED：用于生成随机数的种子。默认为1。
--nc NCORES：指定并行计算时使用的核心数量。最大值是染色体的数量。默认为1。
--novcf：不将所有文件合并为一个输出文件。默认为False。
-f：过滤掉低质量的比对。默认为True。
结构变异检测：
--nosv：设置为True以跳过结构变异的识别。默认为False。
--nosnp：设置为True以跳过在比对中识别SNP/Indel。默认为False。
--all：设置为True以使用重复区域（duplications）进行变异识别。默认为False。
--allow-offset OFFSET：允许碱基对（base pairs）重叠的数量。默认为5，表示如果两个变异区域之间的重叠小于等于5个碱基对，则允许识别为同一变异。
--cigar：设置为True以使用CIGAR字符串来查找SNP/Indel。默认为False，表示不使用CIGAR字符串。通常在使用除了nucmers之外的比对器生成的比对结果时，需要设置为True。
-s SSPATH：指定show-snps工具的路径，show-snps是MUMmer软件包中的一个工具，用于从.delta文件中提取SNP信息。默认为show-snps。
结构重排识别：
--nosr：设置为True以跳过结构重排事件的识别。默认为False，表示执行结构重排事件的识别。
--tdgaplen TDGL：多重比对转座或重复（TD）的两个比对之间允许的最大间隙长度。较大的值会增加TD识别的灵敏度，但也会增加运行时间。默认为500000。
-b BRUTERUNTIME：限制Brute Force方法运行时间的阈值（以秒为单位）。较小的值会使算法运行更快，但可能会对准确性产生边际影响。在一般情况下，可能不需要设置这个参数。默认为60。
--unic TRANSUNICOUNT：选择转座时所需的唯一碱基对数。较小的值会更好地选择较小的转座，但可能会增加时间并降低准确性。默认为1000。
--unip TRANSUNIPERCENT：选择转座时所需的唯一区域百分比。值应在(0,1]范围内。较小的值会选择与其他区域更重叠的转座。默认为0.5。
--inc INCREASEBY：添加另一个比对到转座簇解决方案所需的最小分数增加。默认为1000。
--no-chrmatch：如果两个基因组的染色体ID不相等，则设置为True，不允许SyRI自动匹配染色体ID。默认为False。
相对来说，使用 mummer 的比对和结构变异检测过程稍复杂，使用 minimap2 比对结果计算会快很多，这里同样附上相关过程：
## 全基因组序列比对
minimap2 -ax asm5 --eqx refgenome qrygenome > out.sam
## 基于比对结果检测结构变异
python3 $PATH_TO_SYRI -c out.sam -r refgenome -q qrygenome -k -F S
## 结构变异检测结果绘图
python3 $PATH_TO_PLOTSR syri.out refgenome qrygenome -H 8 -W 5
就是，如果觉得有用的话，登录一下账号点个赞支持一下！
网友评论