معرفی شرکت ها
cg-fluffy-3.2.0
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
NIPT analysis pipeline
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | cg-fluffy-3.2.0 |
| نام | cg-fluffy |
| نسخه کتابخانه | 3.2.0 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Jesper Eisfeldt |
| ایمیل نویسنده | jesper.eisfeldt@scilifelab.com |
| آدرس صفحه اصلی | https://github.com/Clinical-Genomics/fluffy |
| آدرس اینترنتی | https://pypi.org/project/cg-fluffy/ |
| مجوز | MIT |
[](https://codecov.io/gh/Clinical-Genomics/fluffy)
# FluFFyPipe
NIPT analysis pipeline, using WisecondorX for detecting aneuplodies and large CNVs, AMYCNE for FFY and PREFACE for FF prediction (optional). FluFFYPipe produces a variety of output files, as well as a per batch csv summary.
<p align="center">
<img src="https://github.com/J35P312/FluFFyPipe/blob/master/logo/IMG_20200320_132001.jpg" width="400" height="400" >
</p>
# Run FluFFyPipe
Run NIPT analysis, using a previously comnputed reference:
fluffy --sample <samplesheet> --project <input_folder> --out <output_folder> --analyse
Run NIPT analysis, using an internally computed reference (i.e the reference is built using all samples listed in samplesheet):
fluffy --sample <samplesheet> --project <input_folder> --out <output_folder> --analyse --batch-ref
optionally, skip preface:
fluffy --sample <samplesheet> --project <input_folder> --out <output_folder> --skip_preface --analyse
All output will be written to the output folder, this output includes:
```
bam files
wisecondorX output
tiddit coverage summary
Fetal fraction estimation
```
as well as a summary csv and multiqc html (per batch)
the input folder is a project folder containing one folder per sample, each of these subfolders contain the fastq file(s).
The samplesheet contains at least a "sampleID" column, the sampleID should match the subfolders in the input folder. The samplesheet may contain other columns, such as flowcell and index folder: such columns will be printed to the summary csv.
If the samplesheet contains a SampleName column, fluffy will name the output according to SampleName
Create a WisecondorX reference
fluffy --sample <samplesheet> --project <input_folder> --out <output_folder> --reference
samplesheet should contain atleast a "sampleID" column. All samples in the samplesheet will be used to construct the reference, visit the WisecondorX manual for more information.
# Optional fluffy parameters:
Analysis mode:
--dry_run - run the pipeline without generating files
-l - add paramters to the slurm header of the script, should be given on the following format parameter:value
example: qos:high
Reference mode:
--dry_run - run the pipeline without generating files
Rerun mode:
--dry_run - run the pipeline without generating files
# Troubleshooting and rerun
There are three statuses of the fluffy pipeline:
running, complete, and failed
The status of a fluffy run is found in the
<output_folder>/analysis_status.json
The status of all jobs are listed in
<output_folder>/sacct/fluffy_<date>.log.status
Where <date> is the timepoint when the jobs were submitted
Use grep to find the failed jobs:
grep -v COMPLETE <output_folder>/sacct/fluffy_<date>.log.status
The output logs are stored in:
<output_folder>/logs
Before continuing, you may want to generate the summary csv for all completed cases:
bash <output_folder>/scripts/summarizebatch-<hash>
where <hash> is a randomly generated string.
use the rerun module to rerun failed fluffy analyses:
fluffy --sample <samplesheet> --project <input_folder> --out <output_folder> --skip_preface rerun
# Install FluFFyPipe
FluFFyPipe requires python 3, slurm, slurmpy, and singularity, python-coloredlogs.
fluffy may be installed using pip:
pip install fluffy-cg
alternatively, fluffy is cloned and installed from github:
git clone https://github.com/Clinical-Genomics/fluffy
cd fluffy
pip install -e .
Next download the FluFFyPipe singularity container
singularity pull library://jeisfeldt/default/fluffy:sha256.dbef92cd5eab8558c2729f73a191d73a7576a24e9bb44dde7372c0cd405c4ef6
copy the example config (found in example_config), and edit the variables.
You will need to download/create the following files:
Reference fasta (indexed using bwa)
WisecondorX reference files (created using the reference mode)
PREFACE model file (optional)
blacklist bed file (used by wisecondorX)
FluFFyPipe singularity collection (singularity pull --name FluFFyPipe.sif shub://J35P312/FluFFyPipe)
نیازمندی
| مقدار | نام |
|---|---|
| - | click |
| - | coloredlogs |
| - | slurmpy |
| - | pyyaml |
| - | numpy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6.0 | Python |
نحوه نصب
نصب پکیج whl cg-fluffy-3.2.0:
pip install cg-fluffy-3.2.0.whl
نصب پکیج tar.gz cg-fluffy-3.2.0:
pip install cg-fluffy-3.2.0.tar.gz