TAPIS使用筆記

作者：Hector Zou

TAPIS(Transriptome AnalysisPipeline from Isoform Sequencing)是一款依賴Python2.7的，用於分析校正和比對長讀段、轉錄本聚類、新轉錄本和全長轉錄本可變剪切檢測以及鑒定分析poly（A）和可變poly(A)（APA）的一款軟體；發表於Nature Comunication 2016年6月的一篇關於高粱轉錄本可變剪切和可變Poly(A)的研究的文章[1]。目前，一些測序分析公司的全長轉錄組分析流程經常用到它。當前最新版本為2016年3月發布的1.2.1[2]。以下幾個是TAPIS的主要功能腳本：

alignPacBio.py用於將全長轉錄本回帖到基因組，依賴於軟體GMAP[3,4];

cleanAlignments.py清理bam中未回帖的長讀段；被alignPacBio.py調用;

convertSam.py調用samtools進行格式轉換、sort和index；被alignPacBio.py調用；

run_tapis.py分析可變剪切和APA。

筆者在使用的過程中發現一些問題，主要是alignPacBio.py的使用錯誤和run_tapis.py輸出結果要注意的問題。

（1）運行出現catDen_catenatum_v0814.fasta無法找到該命令，應該是alignPacBio.py的腳本出錯了。腳本中的cat後應該加上空格，即79行的prefix = 』cat』改成prefix = 』cat 』，如下圖所示。網上的腳本已經改正的了，但是不懂為什麼下載安裝後的是沒有改正的。

（2）運行alignPacBio.py出現以下圖中錯誤。cat: write error: Broken pipe …… (core dumped) gmap ……。

儘管錯誤中提及cat,這可能是由於下面的程序調用奔潰，使得cat的管道傳輸數據無處可傳而報錯。筆者為了找解決辦法，上Google和Bing苦找了很久，也沒找到答案。其實在TAPIS的issue頁中就有人曾提出過這個問題（https://bitbucket.org/comp_bio/tapis/issues/6/alignpacbiopy-error#comment-41299994），只不過其解決辦法卻是針對上面的一個問題。歷經四個多小時的查找，本來要放棄的。突然女神來臨，不能隨便放棄。嘗試去看看一個輸出日誌（下圖），發現錯誤的問題可能出現在內存分配上。我去（請看下圖紅框處），要分配「辣」么多內存，把筆者賣了也湊不到這麼大的內存空間。筆者的機器128G，PC中已經算「碉堡」的了，卻是「滴水」車薪。

alignPacBio.py的參數是無法限制或者分配內存的；那就去腳本裡面刮一下。發現其調用的gmap的參數中有一項是與內存分配相關的，即--expand-offsets，如圖。

當--expand-offsets設置為的時候，gmap運行慢，節省內存。

當--expand-offsets設置為1的時候，gmap運行加快，需要大量的內存，也就是用空間換時間的「把戲」；這是alignPacBio.py調用gmap所採用的默認參數。

嘗試把alignPacBio.py中的--expand-offsets設置為後，該腳本正常運行。

（3）run_tapis.py輸出的assembly.gtf中的CDS是錯誤的，應該丟棄，不要迷信軟體的輸出結果。生成CDS的話，可以用Transdecoder [5]。

Reference

[1] Abdel-Ghany,S. E., Hamilton, M., Jacobi, J. L., Ngam, P., Devitt, N., Schilkey, F.,Ben-Hur, A., and Reddy, A. S. N. A survey of the sorghum transcriptome usingsingle-molecule long reads. Nature Communications, 2016 7:11706.

[2]https://bitbucket.org/comp_bio/tapis

[3]Thomas D. Wu and Colin K. Watanabe GMAP:a genomic mapping and alignment program for mRNA and EST sequences. Bioinformatics,2005 21:1859-1875.

[4]Thomas D. Wu andSerban Nacu. Fast and SNP-tolerant detection of complex variants and splicingin short reads. Bioinformatics, 2010 26:873-881.

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！