इस प्रोजेक्ट के बारे में

RetroSeek जीनोम असेंबली में एंडोजेनस रेट्रोवायरल (ERV) इंटीग्रेशन का पता लगाने, वर्गीकृत करने और एनोटेट करने के लिए एक एंड-टू-एंड कम्प्यूटेशनल पाइपलाइन है। यह Snakemake वर्कफ़्लो मैनेजर पर बनी है और समानांतरीकरण, मॉड्यूलरिटी, लचीलेपन और पुनरुत्पादकता पर जोर देती है, जिसका लक्ष्य वर्कस्टेशन, HPC क्लस्टर और क्लाउड वातावरण हैं। मुख्य क्षमताएँ - NCBI Datasets के माध्यम से स्वचालित जीनोम अधिग्रहण, प्रति-जीनोम BLAST डेटाबेस और GenomeTools सफ़िक्स-ऐरे जनरेशन के साथ। - BLAST+ (जीनोम के विरुद्ध प्रोब का tBLASTn) के साथ कॉन्फ़िगर करने योग्य होमोलॉजी सर्च, जिसे LTRharvest और LTRdigest के माध्यम से डी नोवो LTR डिस्कवरी के साथ जोड़ा जाता है, और उच्च-विश्वास ERV उम्मीदवार ट्रैक में समेकित किया जाता है। - Solo-LTR डिटेक्शन: जब प्रोवायरस के दो LTR पुनर्संयोजित होकर बीच के अनुक्रम को बाहर निकाल देते हैं, तो बचे हुए एकल LTR की पहचान करता है, LTR आर्म्स को blastn चारा के रूप में उपयोग करता है और कोडिंग अनुक्रम के पास स्थित साथी LTR और साथ ही साथ पूर्ण-तत्व फ्लैंक्स को घटाता है। Solo/intact अनुपात को वंश-आयु प्रॉक्सी के रूप में उत्सर्जित किया जाता है। - प्रति-लोकस टैक्सोनोमिक वर्गीकरण जो प्रत्येक वैध ERV लोकस को एक कैलिब्रेटेड जीनस कॉल (रैंक, विश्वास, मोज़ेक, ERV वर्ग) प्रदान करता है, POL/GAG के लिए फ़ाइलोजेनेटिक प्लेसमेंट और अन्यथा भारित-LCA का उपयोग करता है, NCBI से बनाए गए जीनस-व्यापक संदर्भ के विरुद्ध। - फ़ाइलोजेनेटिक प्लेसमेंट आउटपुट: iTOL-तैयार .jplace साक्ष्य, प्रति-जीनोम हीट-ट्री, EDPL प्लेसमेंट-अनिश्चितता तालिकाएँ और ERV पूरक बनाम होस्ट वंशावली की सह-फ़ाइलोजेनी तुलना। - मॉड्यूलर R विश्लेषण परत (GenomicRanges / plyranges) जो ओवरलैप मैट्रिक्स, नियतात्मक नेगेटिव-बाइनोमियल GLM हॉटस्पॉट डिटेक्शन, और प्रोब-पेयर तालिकाएँ उत्पन्न करती है। - मर्ज किए गए रेंजों में कॉन्फ़िगर करने योग्य मेटाडेटा एग्रीगेशन (list, concatenate, best, majority, first, strict)। - प्रकाशन-तैयार आंकड़े: रंग-अंध-सुरक्षित दृश्य प्रणाली में प्रति चरण एक बहु-पृष्ठ वेक्टर PDF, होस्ट फ़ाइलोजेनी के बगल में होस्ट प्रजाति पंक्तियों के साथ। वर्कफ़्लो और इंटरफ़ेस CLI Snakemake को सौंपता है और चरणों को चरण-वार समूहित करता है: setup (जीनोम डाउनलोड, Pfam फ़ेच, संदर्भ निर्माण, प्रोब निष्कर्षण), indexing (BLAST डेटाबेस, सफ़िक्स ऐरे), discovery (LTR उम्मीदवार, LTR डोमेन, BLAST), analysis (रेंज विश्लेषण, डोमेन स्कैन, वर्गीकरण, सेगमेंटेशन, solo-LTR डिटेक्शन, हॉटस्पॉट डिटेक्शन, पेयर डिटेक्शन, प्लेसमेंट ट्री) और figures (वैश्विक प्लॉट, सर्कल प्लॉट)। चरणों को जोड़ा जा सकता है और निर्भरता क्रम में चलाया जा सकता है; रन बाधा के बाद चेकपॉइंट से फिर शुरू होते हैं और --cores, --profile या -n जैसे किसी भी Snakemake फ़्लैग को स्वीकार करते हैं। एक --downstream शॉर्टकट सभी विश्लेषण और फ़िगर चरणों को चलाता है। लॉन्चर शुरू करने से पहले कॉन्फ़िग, टूल्स और Pfam लाइब्रेरी को मान्य करता है और यदि कोई भारी सर्च अनजाने में दोबारा चलने वाला हो तो शुरू करने से इनकार कर देता है। आवश्यकताएँ और पुनरुत्पादकता एक एकल conda/mamba वातावरण (data/config/environment.yml) Python 3.11, R 4.3, Bioconductor, BLAST+, GenomeTools, NCBI Datasets और सहायक लाइब्रेरी प्रदान करता है। NCBI Entrez API के लिए एक वैध ईमेल पता आवश्यक है, तेज़ क्वेरी के लिए एक वैकल्पिक API कुंजी के साथ। कॉन्फ़िगरेशन केवल-मान YAML है जिसमें रेपो-सापेक्ष डिफ़ॉल्ट हैं ताकि एक टॉय-जीनोम स्मोक रन बिना किसी सेटअप के काम करे; उत्पादन रन gitignored स्थानीय कॉन्फ़िग के माध्यम से बाहरी स्टोरेज की ओर इंगित करते हैं। स्थिति नोट्स README बताता है कि --hotspot-detection प्रयोगात्मक है (कार्यात्मक लेकिन हल्के से परीक्षित) और --generate-circle-plots वर्तमान में टूटा हुआ है, जो प्लॉट समय पर विफल होता है क्योंकि यह प्रति-लोकस मेट्रिक्स पढ़ता है जिन्हें बाद के रिफैक्टर द्वारा बदल दिया गया था। दस्तावेज़ीकरण आर्किटेक्चर, उपयोग, कॉन्फ़िगरेशन, solo-LTR कार्यप्रणाली, विकास परंपराओं और आर्किटेक्चरल निर्णय रिकॉर्ड को कवर करता है। परियोजना MIT लाइसेंस प्राप्त है और इसे Ní Leathlobhair लैब, Moyne Institute, Trinity College Dublin में विकसित किया गया था।