在GRCh38全外显子序列上运行DeepVariant

Question

我正在尝试在BAM文件上运行DeepVariant以生成VCF。我有以下问题：

1-路线在GRCh38中，我应该使用哪个模型。我可以使用标准的全外显子序列模型吗？('gs://deepvariant/models/deepvariant/0.7.0/deepvariant-inception_v3-0.7.0+data-wes_standard'(

2-使用哪个BED文件来指定外显子组区域？有标准的吗？我在这里找到了一个我现在正在使用的("CDS cannonical.bed"(：https://github.com/AstraZeneca-NGS/reference_data/tree/master/hg38/bed

3-我使用的是Verily GRCh38基因组，谷歌基因组学上有标准的GRCh38比对吗。这是我的一个：--ref gs://基因组学公共数据/references/GRCh38_Verily/GRCh38_Verily_v1.genome.fa\

我已经按照如下方式设置了我的脚本，请让我知道它是否有意义：

#!/bin/bash
set -euo pipefail
# Set common settings.
PROJECT_ID=valis-194104
OUTPUT_BUCKET=gs://canis/CNR-data
STAGING_FOLDER_NAME=deep_variant_files
OUTPUT_FILE_NAME=TLE_a_001.vcf
# Model for calling whole exome sequencing data.
MODEL=gs://deepvariant/models/DeepVariant/0.7.0/DeepVariant-inception_v3-0.7.0+data-wes_standard
IMAGE_VERSION=0.7.0
DOCKER_IMAGE=gcr.io/deepvariant-docker/deepvariant:"${IMAGE_VERSION}"
COMMAND="/opt/deepvariant_runner/bin/gcp_deepvariant_runner 
--project ${PROJECT_ID} 
--zones us-west1-b 
--docker_image ${DOCKER_IMAGE} 
--outfile ${OUTPUT_BUCKET}/${OUTPUT_FILE_NAME} 
--staging ${OUTPUT_BUCKET}/${STAGING_FOLDER_NAME} 
--model ${MODEL} 
--regions gs://canis/CNR-data/CDS-canonical.bed 
--bam gs://canis/CNR-data/TLE_a_001_R_2014_09_17_16_35_30_user_WAL-19-TLE_17_09_2014_Auto_user_WAL-19-TLE_17_09_2014_57.bam 
--ref gs://genomics-public-data/references/GRCh38_Verily/GRCh38_Verily_v1.genome.fa  
--gcsfuse"
# Run the pipeline.
gcloud alpha genomics pipelines run 
--project "${PROJECT_ID}" 
--service-account-scopes="https://www.googleapis.com/auth/cloud-platform" 
--logging "${OUTPUT_BUCKET}/${STAGING_FOLDER_NAME}/runner_logs_$(date +%Y%m%d_%H%M%S).log" 
--zones us-west1-b 
--docker-image gcr.io/deepvariant-docker/deepvariant_runner:"${IMAGE_VERSION}" 
--command-line "${COMMAND}"

编辑：

我试图添加一个用samtools 生成的.bam.bai文件(bam索引(

我仍然收到一个错误：

Traceback (most recent call last):
File "/opt/deepvariant_runner/src/gcp_deepvariant_runner.py", line 862, in <module>
run()
File "/opt/deepvariant_runner/src/gcp_deepvariant_runner.py", line 845, in run
_run_make_examples(pipeline_args)
File "/opt/deepvariant_runner/src/gcp_deepvariant_runner.py", line 340, in _run_make_examples
_wait_for_results(threads, results)
File "/opt/deepvariant_runner/src/gcp_deepvariant_runner.py", line 352, in _wait_for_results
result.get()
File "/usr/lib/python2.7/multiprocessing/pool.py", line 572, in get
raise self._value
RuntimeError: Job failed with error "run": operation "projects/valis-194104/operations/13939489157244551677" failed: executing pipeline: Execution failed: action 5: unexpected exit status 1 was not ignored (reason: FAILED_PRECONDITION)
details:

Answer 1

1-该模型适用于任何版本的参考基因组。您确实需要确保BAM文件与您提供的参考基因组匹配。

2-这取决于您的exome BAM文件来自哪里以及相应的捕获区域BED是什么。有时在BAM文件上运行samtools view -H会告诉您使用哪个捕获区域来生成它。

3-我只是快速浏览了一下：它应该有效。有一些常见的故障模式，我们希望在未来变得更加健壮：例如，我认为目前有一种假设，您需要在同一目录下有一个名为*.bam.BAI的相应索引BAI文件。最安全的方法是提供指向BAI文件的--bai标志(如https://cloud.google.com/genomics/docs/tutorials/deepvariant)。类似地，如果该管道找不到FASTA文件的索引文件，它将失败。它似乎是gs://genomics public data/references/GRCh38_Verily/GRCh38_Verily_v1.genome.fa.fai存在，所以应该涵盖其中一个。

如果您最终遇到任何问题，请告诉我们。我们希望提高DeepVariant和Google Cloud runner的可用性，因此您的反馈对我们非常有价值。

在未来，也可以随时使用我们的GitHub问题进行任何问题或讨论。我们的团队密切监控那里的所有问题：https://github.com/google/deepvariant/issues