dajunluo/deepvariant

Google DeepVariant 本地运行镜像

镜像概述

本Docker镜像提供了在本地环境运行Google DeepVariant的能力，无需依赖Google Cloud Platform (GCP)。镜像已内置适用于全基因组测序（WGS）数据的Inception-V3标准模型，当前版本为r0.8.0。请注意，该镜像暂不支持GPU加速。

核心功能与特性

• 无需GCP依赖：可在本地环境直接运行，无需连接Google Cloud Platform
• 内置标准模型：包含Inception-V3模型，适用于全基因组测序（WGS）数据处理
• 版本信息：当前镜像版本为r0.8.0
• 限制说明：暂不支持GPU加速

使用场景

适用于需要在本地环境进行基因组变异检测的场景，尤其适合处理全基因组测序（WGS）数据，生成VCF和gVCF格式的变异结果文件。

使用方法

演示示例（ucsc.hg19.chr20）

以下示例使用测试数据运行DeepVariant并生成变异结果：

shell
# 设置输出目录
$ export OUTPUT_DIR=/path/to/output/folder/

# 运行DeepVariant容器
$ docker run -v "${OUTPUT_DIR}":/opt/deepvariant/output dajunluo/deepvariant python run_deepvariant.py \
--model_type=WGS \
--ref=../../quickstart-testdata/ucsc.hg19.chr20.unittest.fasta \
--reads=../../quickstart-testdata/NA12878_S1.chr20.10_10p1mb.bam \
--regions "chr20:10,000,000-10,010,000" \
--output_vcf=../output/output.vcf.gz \
--output_gvcf=../output/output.g.vcf.gz

# 查看输出结果
$ ls $OUTPUT_DIR

运行完成后，输出的.vcf.gz和.g.vcf.gz文件将保存在指定的OUTPUT_DIR目录中。

使用自定义数据

1. 启动容器

shell
# 设置数据目录（包含BAM和FASTA文件的绝对路径）
$ export DATA_DIR='absolute/path/to/your/bam/and/fasta'

# 设置输出目录
$ OUTPUT_DIR=/path/to/output/folder/

# 启动容器并挂载数据和输出目录
$ docker run -td --name deepvariant -v "${DATA_DIR}":/opt/data -v "${OUTPUT_DIR}":/opt/deepvariant/output dajunluo/deepvariant

2. 进入容器

shell
$ docker exec -it deepvariant /bin/bash

3. 在容器内运行DeepVariant

shell
# 执行变异检测（替换${REFERENCE_FILE}和${BAM_FILE}为实际文件名）
$ python run_deepvariant.py --model_type=WGS \
--ref=../../data/"${REFERENCE_FILE}" \
--reads=../../data/"${BAM_FILE}" \
--regions "chr20:10,000,000-10,010,000" \
--output_vcf=../output/output.vcf.gz \
--output_gvcf=../output/output.g.vcf.gz

运行完成后，输出文件将保存在宿主机的OUTPUT_DIR目录中。

其他信息

Google官方提供的DeepVariant镜像可访问：https://hub.docker.com/r/google/deepvariant

联系方式：***