Neste workflow temos como objetivo realizar a predição do sexo biológico das amostras analisadas. Utilizaremos duas abordagens:
- Razão de heterozigotos no cromossomo X: é esperado que tenham menos sítios heterozigotos em amostras de origem masculina pois existe apenas uma cópia do cromossomo X.
- Leituras alinhadas na região SRY do cromossomo Y: apenas amostras de origem masculina apresentam boa cobertura na região SRY do cromossomo Y.
Verificações como estas são importantes pois podem ocorrer trocas de amostras - seja em laboratório parceiro ou em seu próprio. Se a troca for de amostra masculina por masculina ainda será um problema, mas caso ocorra uma troca entre homem/mulher este controle de qualidade irá alerta-lo do problema (desde que você tenha também o sexo cadastrado).
Quando se tem muitas amostras pode acontecer de existir alguma anomalia genética, como o SRY inserido no cromossomo X, ou erros no cadastro, como por exemplo a mãe que preenche o cadastro do filho colocar o sexo dela, e não da prole.
Preparamos este workflow para ser bastante simples, pois o principal objetivo é apresentar algumas ferramentas, e não aprofundar em uma específica.
Aplica a ferramenta bcftools para contar o número de heterozigotos e de homozigotos no cromossomo X das amostras avaliadas.
O programa bcftools pode ser instalado de diversas maneiras em seu sistema, exemplo:
# Se for um sistema como Debian/Ubuntu
sudo apt install bcftools
# Se utilizar conda
conda install -c bioconda bcftools
# Se quiser usar dentro um container (ex: com Docker)
docker run -it --rm -v $(pwd):/work -w /work quay.io/biocontainers/bcftools:1.14--hde04aa1_1 bashNo workflow desta prática ele é usado aqui.
Utiliza a ferramenta mosdepth para verificar a cobertura horizontal sobre a região SRY do cromossomo Y.
Esta ferramenta também está disponível para instalação via conda ou pelo próprio repositório oficial, basta baixar o binário para o caso de usar linux.
No workflow desta prática ele é usado aqui.
Carrega os valores calculados nas etapas anteriores para classificar cada uma das amostras como de origem masculina ou feminina. Usamos um pequeno script com Python aqui.
É bastante inconveniente trabalhar com script embutido em arquivos WDL pois perdemos todo auxílio que IDEs (como pycharm ou vscode) oferecem. Muitas vezes costumo começar em um arquivo .py e depois apenas copiar para o WDL.
Neste quesito o Nextflow é mais conveniente, pois podemos deixar os scripts em um diretório bin/ no repositório e chamá-los diretamente, como este exemplo com um workflow para análise de linhagens de sars-cov-2 usando sequenciamento Nanopore.