Monopogen 使用教程

1. 项目介绍

Monopogen 是由 Ken chen's lab 开发的一个用于单细胞测序数据中的单核苷酸变异（SNV）调用分析的开源工具包。该工具适用于由 10x Genomics 的单细胞 RNA-seq、单细胞 ATAC-seq 技术、scDNA-seq 等生成的测序数据。Monopogen 包含三个主要模块：数据预处理、gerichtine SNV 调用和可能的体细胞 SNV 调用。

2. 项目快速启动

环境准备

在开始之前，请确保已经安装了以下依赖项：

• Python (版本 >= 3.73)
• Java (Open JDK >= 1.8.0)
• R (版本 >= 4.0.0)
• pandas (版本 >= 1.2.3)
• pysam (版本 >= 0.16.0.1)
• NumPy (版本 >= 1.19.5)
• sciPy (版本 >= 1.6.3)
• pillow (版本 >= 8.2.0)
• data.table (R 包；版本 >= 1.14.8)
• e1071 (R 包；版本 1.7-13)
• ggplot2

安装 Monopogen

git clone https://github.com/KChen-lab/Monopogen.git
cd Monopogen
pip install -e .

运行示例

Monopogen 提供了一个快速启动的示例数据集，位于 example/ 文件夹中。以下是使用这些示例数据运行 Monopogen 的步骤。

数据预处理

path="XXX/Monopogen"  # 替换为 Monopogen 的下载路径
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:${path}/apps
python ${path}/src/Monopogen.py preProcess -b bam.lst -o out -a ${path}/apps

Germline SNV 调用

python ${path}/src/Monopogen.py germline -r chr20:0-2M -s all -o out -g chr20_2Mb.hg38.fa -p CCDG_14151_B01_GRM_WGS_2020-08-05_chr20.filtered.shapeit2-duohmm-phased.vcf.gz -a ${path}/apps

3. 应用案例和最佳实践

以下是一些使用 Monopogen 的最佳实践：

• 数据预处理：确保所有输入的 BAM 文件经过排序，并且质量控制步骤被正确执行。
• Germline SNV 调用：使用外部参考面板（如 1000 Genome 数据库）来提高变异检测的准确性和敏感性。
• 体细胞 SNV 调用：利用 Monopogen 提供的体细胞变异检测工具，结合 Germline 变异信息，来提高体细胞变异的检测准确性。

4. 典型生态项目

Monopogen 作为单细胞测序数据变异分析工具，可以与其他单细胞分析工具（如 Scanpy、Seurat）结合使用，构建完整的单细胞多组学分析流程。通过整合这些生态项目，可以更全面地理解单细胞水平上的基因表达和变异模式。