bactopia_gather

Tags: fastq validation sra ena download merging simulation art ncbi sample-scope

Pesquise, valide, colete ou simule amostras de entrada.

Este processo é o ponto de entrada para a ingestão de dados. Ele realiza:

• Validação: Verifica a formatação de FASTQ e a integridade do gzip.
• Mesclagem: Combina múltiplas execuções (lanes) em uma única amostra.
• Download: Busca reads (SRA/ENA) ou montagens (NCBI) a partir de accessions.
• Simulação: Gera reads sintéticos a partir de montagens usando ART para permitir análises baseadas em reads.

Usa slots nomeados explicitamente para reads de entrada e saída:

• A entrada aceita Set<Path> para cada slot (pré-mesclagem, suporta múltiplos arquivos)
• A saída emite Path? para cada slot (pós-mesclagem, arquivo único consolidado ou null)

Entradas

record (
    meta: Record,
    r1_files: Set<Path?>,
    r2_files: Set<Path?>,
    se_files: Set<Path?>,
    lr_files: Set<Path?>,
    fna_files: Set<Path?>
)

Campo	Tipo	Descrição
meta	Record	Groovy Record contendo informações da amostra
r1_files	Set<Path?>	Arquivos de reads Illumina R1 (Set, elementos podem ser null)
r2_files	Set<Path?>	Arquivos de reads Illumina R2 (Set, elementos podem ser null)
se_files	Set<Path?>	Arquivos de reads single-end (Set, elementos podem ser null)
lr_files	Set<Path?>	Arquivos de reads longos (ONT) ou montagem para simulação (Set, elementos podem ser null)
fna_files	Set<Path?>	Arquivo de montagem de entrada ou baixado (Set, elementos podem ser null)

Saídas

record (
    meta: Record,
    r1: Path?,
    r2: Path?,
    se: Path?,
    lr: Path?,
    fna: Path?,
    tsv: Path,
    results: Set<Path>,
    logs: Set<Path?>,
    nf_logs: Set<Path>,
    versions: Set<Path?>
)

Campo	Tipo	Descrição
meta	Record	Registro com informações da amostra
r1	Path?	Arquivo de reads Illumina R1 mesclado
r2	Path?	Arquivo de reads Illumina R2 mesclado
se	Path?	Arquivo de reads single-end mesclado
lr	Path?	Arquivo de reads longos (ONT) mesclado
fna	Path?	Arquivo de montagem
tsv	Path	Arquivo de metadados delimitado por tabulação descrevendo as amostras válidas
results	Set<Path>	Todos os arquivos de saída a serem publicados
logs	Set<Path?>	Arquivos de log opcionais específicos do programa
nf_logs	Set<Path>	Arquivos de log específicos do Nextflow (ex.: .command.{begin
versions	Set<Path?>	Arquivo no formato YAML com as versões dos programas

Parâmetros

Parâmetros de Coleta

Parâmetro	Tipo	Padrão	Descrição
--skip_fastq_check	boolean		Ignora as verificações de requisitos mínimos para FASTQs de entrada
--min_basepairs	integer	2241820	A quantidade mínima de pares de bases necessária para continuar as análises downstream.
--min_reads	integer	7472	A quantidade mínima de reads necessária para continuar as análises downstream.
--min_coverage	integer	10	A cobertura mínima necessária para continuar as análises downstream.
--min_proportion	number	0.5	A proporção mínima de pares de bases para reads paired-end para continuar as análises downstream.
--min_genome_size	integer	100000	O tamanho mínimo estimado do genoma permitido para a sequência de entrada continuar as análises downstream.
--max_genome_size	integer	18040666	O tamanho máximo estimado do genoma permitido para a sequência de entrada continuar as análises downstream.
--attempts	integer	3	Número máximo de tentativas de download
--use_ena	boolean		Baixa FASTQs do ENA
--no_cache	boolean		Ignora o cache do arquivo de resumo de montagem do ncbi-genome-download

Usado Por

Subworkflows

• bactopia_gather - Pesquisa, valida, coleta e padroniza amostras de entrada.

Workflows

• bactopia - Pipeline abrangente de análise bacteriana para caracterização genômica completa.
• cleanyerreads - Controle de qualidade e remoção opcional de reads do hospedeiro a partir de reads de sequenciamento brutos.
• staphopia - Pipeline de análise abrangente para isolados de Staphylococcus aureus.
• teton - Classificação taxonômica e perfil de abundância de reads metagenômicos.

Citações

Se você usar este recurso em sua análise, por favor cite os seguintes trabalhos.

• Bactopia
  Petit III RA, Read TD Bactopia - a flexible pipeline for complete analysis of bacterial genomes. mSystems 5 (2020)

• ART
  Huang W, Li L, Myers JR, Marth GT ART: a next-generation sequencing read simulator. Bioinformatics 28, 593-594 (2012)

• fastq-dl
  Petit III RA fastq-dl: Download FASTQ files from SRA or ENA repositories. (GitHub)

• fastq-scan
  Petit III RA fastq-scan: generate summary statistics of input FASTQ sequences. (GitHub)

• ncbi-genome-download
  Blin K ncbi-genome-download: Scripts to download genomes from the NCBI FTP servers (GitHub)

• Pigz
  Adler M. pigz: A parallel implementation of gzip for modern multi-processor, multi-core machines. Jet Propulsion Laboratory (2015)

Fonte

Ver fonte no GitHub

Versão

BACTOPIA_GATHER:
    - bactopia-gather: 1.0.6