使用conifer进行WES的CNV分析

欢迎关注”生信修炼手册”!

和xhmm类似，conifer也是一款利用WES的数据来检测CNV的软件。不同的是，xhmm利用PCA算法达到降噪的目的，而conifer则通过SVD奇异值分解的算法来降噪，对应的文章链接如下

https://genome.cshlp.org/content/early/2012/05/14/gr.138115.112.full.pdf

官网如下

http://conifer.sourceforge.net/index.html

该软件的处理步骤示意如下

首先比对参考基因组，得到目标区域的测序深度，这里做了一个特殊的处理，借鉴了RNA_seq中定量的算法，计算了每个目标区域的RPKM值， 得到了所有样本每个目标区域RPKM值的矩阵，然后对矩阵进行标准化，计算z-score值，转换后的值称之为ZRPKM。

对于ZRPKM矩阵，采用SVD进行分解，认为奇异值大的子矩阵为系统噪声，去除奇异值大的子矩阵之后重新构建SVD-ZRPKM矩阵, 然后通过threshold calling算法预测CNV区域，图示如下

绿色线条表示阈值，大于1.5的认为是duplication, 小于1.5的认为是deletion。具体的步骤如下

1. 创建目标区域文件

首先基于芯片的捕获区域，创建目的区域对应的文件，内容如下

每一行代表一个捕获的目标区域，前三列对应目标区域的染色体位置，第四列为对应的基因名称，如果没有则为空。不同的捕获芯片对应的目的区域不同，自己写脚本整理成这种格式即可，下文中该文件称之为probes.txt。

2.  计算目标区域RPKM值

对于每个样本，计算目标区域的RPKM值，用法如下

python conifer.py  rpkm  \
--probes probes.txt \
 --input sample1.bam \
 --output RPKM/sample1.rpkm.txt

输入文件为比对产生的bam文件，生物学重复的输出文件保存在同一个目录下。

3.  计算SVD-ZRPKM矩阵

读取所有样本的rpkm值，进行SVD奇异值分解，构建SVD-ZRPKM矩阵，用法如下

python conifer.py  analyze \
--probes probes.txt \
--rpkm_dir ./RPKM/ \
--output analysis.hdf5 \
--svd 6 \
--write_svals singular_values.txt \
--plot_scree screeplot.png \
--write_sd sd_values.txt

输出文件为hdf5格式的文件，--svd参数指定需要去除的奇异值最大的topN个成分，这个值是需要动态调整的。

4. CNV calling

进行cnv calling, 用法如下

python conifer.py call \
--input analysis.hdf5 \
----threshold 1.5 \
--output calls.txt

输出文件内容示意如下

5. 可视化

对感兴趣的CNV区域进行可视化，用法如下

python conifer.py plot \
--input analysis.hdf5 \
--region chr1:878657-889417 \
--output image.png \
--sample sampleA.rpkm

可视化结果示意如下

conifer用法简便， 适合检测1kb以上的CNV，软件要求CNV至少跨越3个exon区域，所以很短的CNV无法检测出来。

·end·

—如果喜欢，快分享给你的朋友们吧—

扫描关注微信号，更多精彩内容等着你！