nfcore/demultiplex

nf-core/demultiplex

概述与主要用途

nf-core/demultiplex是一个生物信息学流程，用于解复用下一代测序仪产生的原始数据，目前仅支持Illumina测序数据。该流程基于[***] DSL2实现，每个进程使用独立容器，便于维护和更新软件依赖，且尽可能使用https://github.com/nf-core/modules%E4%B8%AD%E7%9A%84%E8%BF%9B%E7%A8%8B%EF%BC%8C%E4%BB%A5%E5%AE%9E%E7%8E%B0%E6%B5%81%E7%A8%8B%E5%85%B1%E4%BA%AB%E3%80%82

核心功能与特性

主要流程步骤

1. 样本表格式化

   • 搜索[Data]标签
   • 根据样本表中DataAnalysisType列的10X-3prime、10X-ATAC和10X-CNV，将10X单细胞样本拆分为10X、10X-ATAC和10X-DNA的.csv文件
   • 输出需要运行的特定流程结果（仅10X单细胞样本、10X单细胞与非单细胞样本混合或全部非单细胞样本）

2. 样本表错误检查

   • 检查同一条泳道中混合短索引和长索引的样本
   • 检查同一条泳道中混合单索引和双索引的样本

3. 条件处理流程（样本表存在问题时）

   • 创建移除问题样本的新样本表，并生成移除样本列表的txt文件
   • 使用新样本表运行bcl2fastq，输出Stats.json文件
   • 解析Stats.json文件以获取问题样本列表中的索引
   • 重新检查新样本表，若仍存在与Stats.json中索引不匹配的问题样本，流程将退出

4. 10X单细胞样本处理流程（条件性）

   • 注意：需创建配置文件指向CellRanger基因组参考序列
   • 当存在10X样本时运行Cell Ranger mkfastq，根据创建的样本表类型分别使用CellRanger、CellRanger ATAC和Cell Ranger DNA
   • 当存在10X样本时运行Cell Ranger Count，根据Cell Ranger mkfastq的输出分别使用Cell Ranger Count、Cell Ranger ATAC Count和Cell Ranger DNA CNV。10X参考基因组可从10X网站下载，需创建配置文件指向其位置（非Crick配置文件时）

5. bcl2fastq处理（条件性）

   • 对无错误样本的原始样本表或经上述步骤创建的新样本表运行
   • 仅在移除单细胞样本后样本表仍有样本时运行
   • 可通过命令行参数设置bcl2fastq的参数，包括是否将索引读取生成FastQ文件

6. 质量控制

   • https://www.bioinformatics.babraham.ac.uk/projects/fastqc/%EF%BC%9A%E5%AF%B9%E6%89%80%E6%9C%89%E6%9D%A1%E4%BB%B6%E6%B5%81%E7%A8%8B%E4%BA%A7%E7%94%9F%E7%9A%84%E5%90%88%E5%B9%B6fastq%E6%96%87%E4%BB%B6%E8%BF%90%E8%A1%8C
   • https://www.bioinformatics.babraham.ac.uk/projects/fastq_screen/%EF%BC%9A%E5%AF%B9%E6%89%80%E6%9C%89%E6%9D%A1%E4%BB%B6%E6%B5%81%E7%A8%8B%E4%BA%A7%E7%94%9F%E7%9A%84%E5%90%88%E5%B9%B6%E7%BB%93%E6%9E%9C%E8%BF%90%E8%A1%8C%EF%BC%88%E9%9C%80%E8%87%AA%E5%A4%87fastq_screen%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6%E6%8C%87%E5%90%91%E5%8F%82%E8%80%83%E5%BA%8F%E5%88%97%EF%BC%89
   • MultiQC：对每个项目的FastQC结果运行
   • MultiQC_all：对所有FastQC结果运行

使用场景与适用范围

适用于需要解复用Illumina测序原始数据的场景，包括：

• 常规测序样本（如全外显子测序）的解复用
• 10X单细胞测序样本（基因表达、ATAC、DNA）的解复用与初步分析
• 测序中心或科研机构对测序原始数据的批量处理与质量控制

使用方法与配置说明

前提条件

1. 安装https://www.nextflow.io/docs/latest/getstarted.html#installation%EF%BC%88%60%3E=21.10.3%60%EF%BC%89
2. 安装容器工具之一：https://docs.docker.com/engine/installation/%E3%80%81https://www.sylabs.io/guides/3.0/user-guide/%E3%80%81https://podman.io/%E3%80%81https://nersc.gitlab.io/development/shifter/how-to-use/%E6%88%96https://hpc.github.io/charliecloud/%EF%BC%88%E6%8E%A8%E8%8D%90%E7%94%A8%E4%BA%8E%E5%AE%8C%E5%85%A8%E5%8F%AF%E9%87%8D%E5%A4%8D%E7%9A%84%E6%B5%81%E7%A8%8B%E8%BF%90%E8%A1%8C%EF%BC%89

快速开始

测试流程

console
nextflow run nf-core/demultiplex -profile test,YOURPROFILE --outdir <OUTDIR>

说明：需通过配置文件（YOURPROFILE）指定软件管理工具，可组合多个配置文件（逗号分隔）。内置配置文件包括docker、singularity、podman、shifter、charliecloud和conda。建议查看https://github.com/nf-core/configs#documentation%E8%8E%B7%E5%8F%96%E6%9C%BA%E6%9E%84%E4%B8%93%E7%94%A8%E9%85%8D%E7%BD%AE%E6%96%87%E4%BB%B6%E3%80%82

运行实际分析

console
nextflow run nf-core/demultiplex --input samplesheet.csv --outdir <OUTDIR> --genome GRCh37 -profile <docker/singularity/podman/shifter/charliecloud/conda/institute>

样本表格式

输入样本表需符合Illumina标准，额外需包含DataAnalysisType和ReferenceGenome列（列名区分大小写，顺序不限）。示例如下：

文档与支持

• 完整文档：关于流程使用、参数和输出的详细说明见https://nf-co.re/demultiplex/usage
• 贡献指南：参见contributing guidelines
• 支持渠道：通过Slack #demultiplex频道获取帮助（可通过https://nf-co.re/join/slack%E5%8A%A0%E5%85%A5%EF%BC%89

引用

使用nf-core/demultiplex进行分析时，请引用：

The nf-core framework for community-curated bioinformatics pipelines. Philip Ewels, Alexander Peltzer, Sven Fillinger, Harshil Patel, Johannes Alneberg, Andreas Wilm, Maxime Ulysse Garcia, Paolo Di Tommaso & Sven Nahnsen. Nat Biotechnol. 2020 Feb 13. doi: https://dx.doi.org/10.1038/s41587-020-0439-x.

工具引用的完整列表见CITATIONS.md文件。