安裝使用pyclone進行克隆演化推斷

pyclone介紹

  能夠根據多個樣品突變的allele frequency 和 copy number，推斷出有該突變的細胞克隆所佔的比例（cellular prevalence）在不一樣樣品間的變化。好比：

每一個cluster包括一些突變，它們在各個樣品中克隆比例有着一致的變化

安裝Conda

從官網下載Conda
有兩個選擇，一個是帶有python 2.7的Miniconda ，帶有python 3.6的Miniconda3 ，經本人電腦測試Miniconda3使用pyclone會出現問題，所以建議安裝帶python2.7的Miniconda
直接bash下載的文件安裝
Miniconda2-latest-Linux-x86_64.sh
按照操做，第一步輸入yes贊成協議，而後能夠選擇安裝路徑，默認本地家目錄，同時相應的python也會自動安裝到目錄

安裝pyclone

按照官網說明安裝pyclone
conda install pyclone -c aroth85
成功運行以下

[ywliao@WS02 utilities]$ PyClone 
usage: PyClone [-h] [--version]
               {setup_analysis,run_analysis,run_analysis_pipeline,build_mutations_file,plot_clusters,plot_loci,build_table}
               ...
PyClone: error: too few arguments

運行測試文件

進入test/examples文件夾

PyClone run_analysis_pipeline --in_files SRR385938.tsv SRR385939.tsv SRR385940.tsv SRR385941.tsv --working_dir pyclone_analysis

在pyclone_analysis文件下會生成以下文件夾或文件

config.yaml   #指定用於PyClone分析的設置文件
plots/    #包括生成的所有圖
tables/   #包括生成的所有表格
trace/    #包括MCMC抽樣算法的原始痕跡
yaml/   #存放yaml突變文件的文件夾，用於PyClone分析

輸入的tsv文件的格式

tab分隔存在header的文件，包括如下幾列

• mutation_id，一個可以識別突變的單一ID，好比chr22:12345或者TP53_chr17:753342
• ref_counts，突變位點的reference reads數
• var_counts，突變位點的variant reads數
• normal_cn，正常population的細胞拷貝數，對於人類常染色體來講是2，對於人類性染色體來講是1或2
• minor_cn， 腫瘤細胞的minor拷貝數，通常從WGSS或者芯片的數據預測出
• major_cn，腫瘤細胞的major拷貝數，通常從WGSS或者芯片的數據預測出

若是你沒有minor copy number 和 major copy number，那麼minor copy number設爲0而major copy number設置爲預測的總的拷貝數。
除了上述的列，其它列會自動忽略
使用PyClone run_analysis_pipeline -h查看幫助

繪製進化樹

若是pyclone的可視化沒法知足你的須要，好比說你須要繪製進化樹，可使用supra hex；能夠參考http://suprahex.r-forge.r-project.org/demo-PyClone.html
這裏提供一個將pyclone中的loci.tsv結果文件轉換成supr hex能直接處理的矩陣的R函數

library(data.table)
library(supraHex)

Loci_tsv_To_Input <- function(dt){
  dc <- dcast(dt, formula = mutation_id ~ sample_id, value.var = "cellular_prevalence")
  dt_out <- dc[,-1]
  rownames(dt_out) <- dc[,1]
  return(as.matrix(dt_out))
}

dt <- fread("~/project/PE/Clone/tsv/Guoyuqin/tables/loci.tsv")
data <- Loci_tsv_To_Input(dt)

#build and visualise the bootstrapped tree
tree_bs <- visTreeBootstrap(t(data))

參考資料

pyclone usage：https://bitbucket.org/aroth85/pyclone/wiki/Usage
pyclone文獻：https://www.nature.com/articles/nmeth.2883
suprahex處理pyclone結果：http://suprahex.r-forge.r-project.org/demo-PyClone.html

個人博客即將搬運同步至騰訊雲+社區，邀請你們一同入駐：https://cloud.tencent.com/developer/support-plan?invite_code=204kmo4ijrwg0