retroseek

RetroSeek — это сквозной вычислительный конвейер для обнаружения, категоризации и аннотации интеграций эндогенных ретровирусов (ERV) в сборках геномов. Он построен на менеджере рабочих процессов Snakemake и делает акцент на параллелизации, модульности, устойчивости и воспроизводимости, ориентируясь на рабочие станции, кластеры HPC и облачные среды. Основные возможности - Автоматизированное получение геномов через NCBI Datasets с созданием базы данных BLAST и суффиксного массива GenomeTools для каждого генома. - Настраиваемый гомологичный поиск с BLAST+ (tBLASTn проб против геномов) в сочетании с de novo поиском LTR через LTRharvest и LTRdigest, согласованными в треки ERV-кандидатов с высокой достоверностью. - Обнаружение solo-LTR: идентифицирует одиночные LTR, остающиеся при рекомбинации двух LTR провируса и вырезании промежуточной последовательности, используя плечи LTR как приманку blastn и вычитая фланги интактных элементов и одиночные LTR рядом с кодирующей последовательностью. Соотношения solo/интактные выдаются как прокси возраста линии. - По-локусная таксономическая классификация, присваивающая каждому валидному ERV-локусу калиброванное определение рода (ранг, достоверность, мозаичность, класс ERV), используя филогенетическое размещение для POL/GAG и взвешенный LCA в остальных случаях, против охватывающего роды референса, построенного из NCBI. - Выходные данные филогенетического размещения: доказательства .jplace, готовые для iTOL, тепловые деревья по геномам, таблицы неопределённости размещения EDPL и ко-филогенетическое сравнение ERV-комплектов с происхождением хозяев. - Модульный слой анализа на R (GenomicRanges / plyranges), создающий матрицы перекрытий, детерминированное обнаружение горячих точек с помощью отрицательно-биномиальной GLM и таблицы пар проб. - Настраиваемая агрегация метаданных по объединённым диапазонам (list, concatenate, best, majority, first, strict). - Готовые к публикации рисунки: один многостраничный векторный PDF на каждый этап в цветобезопасной для дальтонизма визуальной системе, со строками видов-хозяев рядом с филогенией хозяев. Рабочий процесс и интерфейс CLI делегирует задачи Snakemake и группирует этапы по фазам: setup (загрузка генома, получение Pfam, сборка референса, извлечение проб), indexing (базы данных BLAST, суффиксные массивы), discovery (LTR-кандидаты, домены LTR, BLAST), analysis (анализ диапазонов, сканирование доменов, классификация, сегментация, обнаружение solo-LTR, обнаружение горячих точек, обнаружение пар, деревья размещения) и figures (глобальные графики, круговые графики). Этапы можно комбинировать и запускать в порядке зависимостей; запуски возобновляются с контрольных точек после прерывания и принимают любые флаги Snakemake, такие как --cores, --profile или -n. Сокращение --downstream запускает все этапы анализа и построения рисунков. Лаунчер проверяет конфигурацию, инструменты и библиотеку Pfam перед запуском и отказывается начинать, если тяжёлый поиск будет непреднамеренно перезапущен. Требования и воспроизводимость Единое окружение conda/mamba (data/config/environment.yml) предоставляет Python 3.11, R 4.3, Bioconductor, BLAST+, GenomeTools, NCBI Datasets и вспомогательные библиотеки. Требуется действующий адрес электронной почты для NCBI Entrez API, с необязательным ключом API для более быстрых запросов. Конфигурация — это YAML только со значениями и путями по умолчанию относительно репозитория, так что пробный запуск на игрушечном геноме работает из коробки; производственные запуски указывают на внешнее хранилище через локальную конфигурацию, игнорируемую git. Примечания о статусе В README указано, что --hotspot-detection является экспериментальным (работает, но слабо протестирован), а --generate-circle-plots в настоящее время сломан, давая сбой на этапе построения графика, поскольку читает по-локусные метрики, заменённые более поздним рефакторингом. Документация охватывает архитектуру, использование, конфигурацию, методологию solo-LTR, соглашения разработки и записи архитектурных решений. Проект лицензирован по MIT и был разработан в лаборатории Ní Leathlobhair в Moyne Institute, Тринити-колледж Дублина.