first commit

README.md

+# NGS Check mates
+
+> Author: Ren Luyao
+>
+> E-mail: 18110700050@fudan.edu.cn
+>
+> Git: http://choppy.3steps.cn/renluyao/NGScheckMates.git
+>
+> Last Updates: 2019/02/08
+
+```bash
+source activate choppy
+choppy install renluyao/NGScheckMates
+```
+
+# APP概述
+
+NGScheckMates是用来检测某几个测序数据是否来自于同一个人，有以下几种应用场景：
+
+（1）多组学研究，RNAseq和DNAseq是否是来自同一个人；
+
+（2）被标注为配对的Tumor和Normal样本是否是来自同一个人；
+
+（3）同一批样本，多次测序，其中有没有被标错的样本。
+
+推荐直接用fastq模式，优点：如果有多种不同测序文件，比如一个项目中有WES和RNAseq，你要研究WES找到的候选突变是否影响了基因表达量的改变，你需要检查WES和RNAseq的数据是否来自同一个人，以确保分析结果的正确性。直接用fastq模式可以不用单独对RNAseq call germline mutation，以节省时间。这一步将单独运行一个脚本。
+
+基于fastq文件检查样本的配对情况的原理是：他们首先从dbSNP数据库中选择了21067个位于外显子上的SNP用于预测样本配对。对于不用比对的fastq模式，他们在参考基因组中寻找了可以与参考基因组完全匹配的21bp长度的k-mer，位于这些k-mer上的SNP只剩下了11696个。然后用k-mer扫描fastq文件，计算每个SNP的VAF，再根据多个SNP的VAF计算样本间两两的相关性判断两个样本是否来源于一个人。
+
+![](./picture/NGSMateCheck.png)
+
+# 流程与参数
+
+- Required arguments
+
+  `-l` 	需要检测的fastq或者fastq.gz文件的表格，格式如下：
+
+  ```bash
+  FASTQ_FILE1 (tab) FASTQ_FILE2 (tab) SAMPLE_NAME (\n)
+  Example:
+  /data/LSJ_R1.fastq	    /data/LSJ_R2.fastq      LSJ
+  /data/LSH_R1.fastq	    /data/LSH_R2.fastq	   LSH
+  ```
+
+  `-pt` 是一个包含SNP位点的二进制文件，这些位点可以用与样本的配对检查，在下载包中，路径为`SNP/SNP.pt`
+
+  `-O` 输出文件夹
+
+- Optional arguments
+
+  `-N` 输出文件夹的前缀，default：“output”
+
+  `-f` 当你的样本中有父母与孩子或者兄弟姐妹时，加上这个参数，使用更严格的VAF相关系数的阈值
+
+  `-nz` Use the mean of non-zero depths across the SNPs as reference depth, default: Use the mean depth across all the SNPs
+
+
+
+  `-s`  The read subsampling rate, default: 1.0 
+
+  `-d` The target depth for read subsampling. NGSCheckMate calculates a subsampling rate based on this target depth.
+
+  `-R` The length of the genomic region with read mapping (default: 3x10^9) used to compute subsampling rate. If your data is NOT human WGS and you use the -d option, it is highly recommended that specify this value. For instance, if your data is human RNA-seq, the genomic length with read mapping is ~3% of the human genome (1x10^8)
+
+  注意：如果你的fastq文件特别大，它的计算会特别慢，三个参数的使用可以通过subsampling的方法加快运算速度，文献中报道只要0.5X深度的数据就能有很好的预测效果，有两种选择：
+
+- 只使用 -s ，意思是fastq原始文件的百分之多少，如果你的fastq文件太大，运算速度很比较慢，可以使用其中一部分数据运算，不会影响运算结果，比如，30%就是`-s 0.3`
+- 需要通过使用-d 和-R
+
+
+
+  `-L` The length of the flanking sequence of the SNPs, default: 21bp. It is not recommended that you change this value unless you create your own pattern file (.pt) with a different length.
+
+  `-p` 线程数，default：1
+
+# APP输入变量与输入文件
+
+（1）准备样本文件
+
+```bash
+choppy samples NGScheckMates --output samples
+```
+
+samples文件中输入是
+
+- fastq_dir
+
+  fastq文件的地址，阿里云上的地址；如果需要使用多个项目的fastq文件，输入两个项目文件夹的上一级共同目录
+
+- Input_file
+
+  一个txt文件，需要进行计算的文件的详细文件名，文件的地址按照要求修改
+
+  ```bash
+  #read1 #read2 #sample_name
+  /cromwell_inputs/*/directory_name/read1.fastq.gz	/cromwell_inputs/*/directory_name/read2.fastq.gz	sample_name
+  ```
+
+# APP输出结果
+
+
+
+# 结果展示与解读
+

defaults

+{
+  "docker": "registry.cn-shanghai.aliyuncs.com/pgx-docker-registry/ngscheckmate:v1.0.0",
+  "disk_size": "100",
+  "cluster_config": "OnDemand bcs.a2.3xlarge img-ubuntu-vpc"
+}

inputs

+{
+  "{{ project_name }}.docker": "{{ docker }}",
+  "{{ project_name }}.input_file": "{{ input_file }}",
+  "{{ project_name }}.fastq_dir": "{{ fastq_dir }}",
+  "{{ project_name }}.disk_size": "{{ disk_size }}",
+  "{{ project_name }}.cluster_config": "{{ cluster_config }}"
+}

tasks/NGScheckMates.wdl

+task NGScheckMates {
+	File fastq_dir
+	File input_file
+	String docker
+	String cluster_config
+	String disk_size
+
+	command <<<
+		set -o pipefail
+		set -e
+		nt=$(nproc)
+		export NCM_HOME=/opt/NGSCheckMate
+		python /opt/NGSCheckMate/ncm_fastq.py -l ${input_file} -pt /opt/NGSCheckMate/SNP/SNP.pt -O '.' -p $nt -f -s 0.3
+	>>>
+
+	runtime {
+		docker:docker
+    	cluster:cluster_config
+    	systemDisk:"cloud_ssd 40"
+    	dataDisk:"cloud_ssd " + disk_size + " /cromwell_root/"
+	}
+	output {
+		File all_txt="output_all.txt"
+		File ncm="wd.txt"
+		File cor_txt="output_corr_matrix.txt"
+		File matched_txt="output_matched.txt"
+		File r_script="r_script.r"
+	}
+}

workflow.wdl

+import "./tasks/NGScheckMates.wdl" as NGScheckMates
+
+workflow {{ project_name }} {
+	File fastq_dir
+	File input_file
+	String docker
+	String cluster_config
+	String disk_size
+
+	call NGScheckMates.NGScheckMates as NGScheckMates {
+		input:
+		fastq_dir=fastq_dir,
+		input_file=input_file,
+		docker=docker,
+		disk_size=disk_size,
+		cluster_config=cluster_config
+	}
+}