Modificatie van Galaxy voor Next-Generation Sequencing Bataillie Michiel 2010 – 2011 Bachelorproef Hoge School West-Vlaanderen Dept. Simon Stevin

 Stageplaats  Project  Galaxy  High-Throughput Sequencing  Resultaten  Besluit Overzicht

 VIB – BITS Bioinformatics Training and Service Facility  support aan alle onderzoeksdepartementen binnen het VIB Stageplaats

Project  Nieuwe server  Klaarzetten van server voor gebruik binnen het VIB voor analyse van biologische data  BITS Galaxy server

 Specificaties 12 CPU – 24 cores 96 GB RAM  Hoofdbesturingssysteem: Red Hat Enterprise Linux 6  KVM  OS werkt virtueel op server  Virtuele machines  CentOS = guest OS  Iedere virtuele machine heeft eigen specifiek doel Default Galaxy  ongewijzigd Development Galaxy  ontwikkelen … Server

 Webplatform voor managen van: Bio-informatica tools Datasets Analyses  Voordelen: Applicaties verzameld op één plaats  gebruiksvriendelijk Workflows/pijplijn Reproduceerbaarheid Galaxy

Lijst van tools Framework Galaxy

Werkpaneel

Framework Galaxy Geschiedenis Output bekijken in werkpaneel

High-Throughput sequencing  BITS Galaxy server  tools gericht op High-Throughput Sequencing (HTS)  Next-Generation Sequencing (NGS)  tweede generatie sequentieplatformen  Genereert miljoenen kleine sequentiefragmenten (= reads) in korte tijdspanne Illumina (HiSeq)  korte fragmenten: 50 – 150 bp  gigabasen / run AB (SOLiD)  korte fragmenten: 60 – 90 bp  gigabasen / run Roche (454)  lange fragmenten: 300 – 800 bp  megabasen / run

Mapping  Mapping = alignering korte nucleotide sequenties (reads) tegen een referentie sequentie (bv.: humaan genoom)  Mapping in Galaxy  duurt uren tot dagen  Mappers = Applicatie om reads te aligneren Bowtie BWA BFAST LastZ MAQ …  Elke mapper is efficiënter in mappen van reads met specifieke lengte  Input: FASTQ  Output: SAM file

Mapping  FASTQ  Iedere read = 4 lijnen 1 ste lijn: begint steeds met dan omschrijving + naam van fragment 2 de lijn: ruwe sequentie in lettertekens 3 de lijn: begint altijd met ‘+’ 4 de lijn: kwaliteitswaarden voor sequentie op lijn 2  lengte lijn 4 = lengte lijn 2  ieder symbool (ASCII) representeert numerieke waarde = kwaliteitsscore

Mapping  SAM = Sequence Alignment Map  Algemeen formaat voor het opslaan van de resultaten van mappers Alignment informatie van sequenties tegen referentiegenomen Hoofdsectie en aligneringssectie Formaat ondersteunt short & long reads

Resultaten  BITS Galaxy server  zelf tools ontwikkelen  implementeren Histogram tool  “oefening” CG Graph Reports tool  rapport met grafieken Script Install tool  installeert tools vanuit interface IGV tool  integratie van IGV in Galaxy Monitor tool  benchmarking mappers

 Ontwikkeling van tools: script + xml Perl Python Bash (Linux) Implementeren van tools in Galaxy

IGV tool  Input: BAM file = Binary Alignment Map  Binaire representatie van SAM file  exact dezelfde informatie  maar omvang kleiner  schijfruimte besparen  Output: IGV (= genoombrowser) met BAM file en vooringestelde parameters

IGV tool  Galaxy conferentie: 25 – 26 mei  IGV integratie onlangs aanwezig  Toegevoegd in release van 8 april 2011

Monitor tool  Benchmarking mappers  Monitor CPU verbruik RAM verbruik Tijd SAM analyse

Monitor tool  Twee outputs: SAM file = normale output Mapping report = extra output

NBIC Benchmark tool  Netherlands Bioinformatics Centre (NBIC)  Andere aanpak: Aparte tool Geïntegreerd in mappers

NBIC Benchmark tool  Perl  Wrapper script  herschreven  Mappers: BWA MAQ  SAM analyse: uitvoeriger aantal juist gemapped aantal verkeerd gemapped aantal niet gemapped  Python  Wrapper script  behouden  Mappers: Bowtie BWA BFAST LastZ …  SAM analyse: eenvoudig unique + multiple hits Eigen Monitor tool

Besluit  Galaxy  flexibel platform met veel mogelijkheden  Analyses gemakkelijk door gebruik van workflows  Reproduceerbaarheid  Default Galaxy & Development Galaxy operationeel  Production Galaxy  Benchmarking mappers

Modificatie van Galaxy voor Next-Generation Sequencing Bataillie Michiel 2010 – 2011 Bachelorproef Hoge School West-Vlaanderen Dept. Simon Stevin