使用CNVkit进行CNV分析

使用CNVkit进行CNV分析

欢迎关注”生信修炼手册”!

CNVkit是一款CNV预测软件，适用于全外显子，目的区域靶向测序等数据的CNV检测，官网如下

​​示意如下

文章发表在PLos上，链接如下

​​重复元件等因素，对原始测序深度进行校正，然后计算相对对照样本的log2 ratio, 通过segmentation算法来划分segment, 支持cbs, haar, flasso多种segmentation算法。

CNVkit采用python进行开发，使用方便，集成了可视化功能，可以直观的展示分析结果，支持导出多种格式的结果文件，可以很好的与下游软件相结合。采用了模块化的开发思想，按照功能拆分成了独立的模块，示意如下

每个功能模块对应一个子命令，为了方便调用，将pipeline的完整功能封装在batch子命令中，只通过这一个命令来运行整个pipeline。整个数据分析的过程可以分为以下几个部分

1.  输入区域文件

对于靶向测序而言，肯定需要输入目的区域的文件，格式为bed， target子命令用于处理目的区域的bed文件，可以添加对应的基因注释等信息，用法如下

cnvkit.py target \my_baits.bed \--annotate refFlat.txt \-o my_targets.bed

除了目的区域in-target，还需要计算off-set区域，也称之为antitarget,  in-target和off-target区域加起来就是基因组上所有可覆盖的区域。二测测序并不能达到100%的覆盖度，基因组上的高重复区域，端粒，着丝粒等区域就无法覆盖，所以cnvkit通过access子命令来计算基因组上可以覆盖到的区域，命令如下

cnvkit.py access \hg19.fa \-x excludes.bed \-o access.hg19.bed

计算出可覆盖的区域之后，减去in-target区域， 就可以得到off-target区域，通过antitarget子命令来实现，代码如下

cnvkit.py antitarget \my_targets.bed \-g access.hg19.bed \-o my_antitargets.bed

2. 计算样本的测序深度

coverage和autobin两个子命令都可以用来计算测序深度，以coverage为例，用法如下

cnvkit.py coverage \Sample.bam \my_targets.bed \-o Sample.targetcoverage-ncnvkit.py coverage \Sample.bam \my_antitargets.bed \-o Sample.antitargetcoverage-n

分别统计target和antitarget区域的测序深度信息，输出结果后缀为​​cnn​​,是cnvkit中定义的一种格式，专门用来存储测序深度信息。

3. 构建正常基因组的测序分布模型

通过reference子命令来构建正常基因组的测序分布模型，采用对照样本的测序深度，校正GC含量等系统误差。有多个对照样本时，可以将所有的对照样本合并来创建，用法如下

cnvkit.py reference \*coverage-n \-f hg19.fa \-o Reference-n

当没有对照样本时，软件可以模拟出一个正常的测序深度分布模型，用法如下

cnvkit.py reference \-o FlatReference-n \-f hg19.fa \-t my_targets.bed \-a my_antitargets.bed

4. 计算实验样本相对正常对照的log2 ratio

通过fix子命令计算log2 ratio，用法如下

cnvkit.py fix \Sample.targetcoverage-n \Sample.antitargetcoverage-n \Reference-n \-o Sample-r

输出结果后缀为​​cnr​​, 是cnvkit中定义的一种格式，专门用来存储log2ratio的信息。

5. 划分segment, 计算拷贝数

通过segment子命令进行segment的划分，用法如下

cnvkit.py segment \Sample-r \-o Sample-s

输出结果后缀为​​cns​​​, 是cnvkit中定义的一种格式，和​​SEG​​​格式类似，用来存储CNV分析的结果。接下来还可以通过​​call​​子命令，计算每个segment区域的绝对拷贝数，用法如下

cnvkit.py call \Sample-s \-o Sample.call-s

关于各种文件格式的具体解释可以参考以下链接

​​结果可视化

提供了以下3种可视化的子命令

diagramscatterheatmap

diagram用于展示单个样本的CNV在染色体上的分布，用法如下

cnvkit.py diagram \-s Sample-s \Sample-r

可视化结果如下

scatter子命令展示单个样本染色体区域上log2 ratio值的分布，用法如下

cnvkit.py scatter \-s Sample-s \Sample-r

可视化结果示意如下

heatmap子命令展示多个样本的CNV分布情况，用法如下

cnvkit.py heatmap *-s

可视化结果示意如下

分布运行步骤繁琐，上面的代码可以通过batch一个子命令搞定，用法如下

cnvkit.py batch \*Tumor.bam \--normal *Normal.bam \--targets my_baits.bed \--annotate refFlat.txt \--fasta hg19.fasta \--access access.hg19.bed \--output-reference my_reference-n \--output-dir results/ \--diagram --scatter

以上就是cnvkit的基本用法，更多细节请参考官方文档。

·end·

—如果喜欢，快分享给你的朋友们吧—

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。