-목차- 1. Variant calling(변이 검출) 2. VCF 파일 1) 파일 형식 1. Variant calling(변이 검출) SAM/BAM 파일이 생성된 후에, 표준 유전체 서열과 다른 염기(돌연변이, 줄여서 변이라고 함)가 있는지 찾아내는 작업을 합니다. 이 과정을 변이 검출(Vairant calling)이라고 합니다. 표준 유전체의 각 위치별로 시퀀싱 리드(Read)를 종합하여 표준 유전체와 같은 염기(Ref base)와 표준 유전체와 다른 염기(Alt base) 개수를 비교하여 변이가 있는지 확률적으로 판단합니다. 이때, 통계적 알고리즘을 사용하여 NGS 장비에서 발생한 에러, 매핑 과정에서 발생할 수 있는 에러 등의 에러들을 배제하고 진양성(True Positive) 변이를 검출하게 됩..
1. Fragment size와 Insert size란?1) Fragment size(Fragment length): NGS 시퀀서에 들어간 실제 DNA 한가닥 길이. (Adapter sequence 길이 포함.)2) Insert size: Adapter 사이에 '삽입된' DNA 길이(Insert). (Adapter제외한 DNA의 길이)-> Adapter 사이의 거리를 의미. Inner mate distance라고도 함. 2. Fragment와 Read의 차이1) Fragment: Adapter를 포함한 DNA.2) Read: Adapter를 제외한 DNA.즉, 위 그림에서 Insert를 방향에 따라 읽은 것을 Read1과 Read2로 나눈다. Read1 Read2 : NGS 장비에 들어가는 Paired..
1. NGS를 이용한 DNA 분석 NGS(Next Generation Sequencing)를 이용한 DNA 분석은 크게 3단계를 거쳐 진행됩니다. ① 라이브러리 제작(Library Preparation) DNA를 일정한 조각(Fragment)으로 분절화(Shearing)시키고 NGS 장비가 인식할 수 있는 특정 염기서열(인덱스)을 붙여주는 과정. ② 라이브러리 DNA 읽기 제작된 라이브러리 DNA들을 NGS 기기에 넣고, 각 가닥의 염기서열을 읽는 단계. (NGS 시퀀서에서 진행) ③ 분석 장비에서 생성된 데이터를 가공하여 알고리즘으로 분석하는 단계 2. DNA 데이터 분석 시퀀싱이 끝나면 DNA 데이터를 분석합니다. 분석은 크게 3단계를 거쳐 진행됩니다. ① DNA 데이터 추출 NGS 시퀀싱 결과 나온..
-목차- 1. Conpair 란? 2. Conpair 설치 3. Conpair 과정 4. 문제점 1. Conpair 란? 1) Conpair : tumor - normal pair에 대한 Concordance(일치율)과 Contamination(오염률) 추정해주는 툴 설명: 동일한 개체에서 추출한 샘플인지 일치성 검증 및 개별 오염 수준 추정을 해줍니다. 필요한 이유: 오염으로 인한 Germline 변이가 Somatic 변이로 잘못 해석될 여지가 있습니다. 성능: Copy number variation이 있어도, 0.1%의 LOD로 Contamination을 측정합니다. 한계: ① Germline marker를 사용하기 때문에 같은 Germline 변이를 갖는 샘플들(ex 가족, 친척) 사이에서는 오염 ..
안녕하세요 이번엔 생물정보학 프로그래밍 문제를 풀고 채점을 받을 수 있는 사이트 Rosalind에 대해 알아보겠습니다. -목차- 1. Rosalind 란? 2. 문제를 풀어 제출해보자! 3. 알고리즘 분류 4. 랭킹 시스템 * 깃허브에 Rosalind 문제와 풀이(python)를 한글로 작성하고 있습니다. 필요하신 분들은 참고해주세요!! :) netsus/Rosalind Bioinformatics algorithm problem solving. Contribute to netsus/Rosalind development by creating an account on GitHub. github.com 1. Rosalind 란? Rosalind는 샌디에고 캘리포니아 대학교(University of Califo..
안녕하세요 저번 포스팅에서는 DNA를 직접 NGS기기에 넣어 나오는 생(raw) 데이터 FASTQ에 대해서 알아보았습니다. FASTQ : DNA 생(raw) 데이터!! 완벽 정리 FASTQ 데이터는 NGS기계에서 추출한 DNA 정보를 '데이터'형태로 보여주는 첫 파일입니다. 즉, FASTQ는 DNA 정보를 담고있는 아무 정제없는 가장 날 것의 데이터 입니다. 1. FASTQ의 구성 FASTQ는 아래 4줄이 bio-info.tistory.com 이번엔 이 FASTQ 데이터의 다음 단계인 Bam/Sam 파일이 뭔지, 어떻게 쓰이는건지 알아보겠습니다. Bam 파일을 이해하려면 FASTQ 데이터를 알아야 합니다. FASTQ 데이터는 read라고 불리는 매우 짧은 서열(50~200bp)들로 구성된 파일입니다. 보..
FASTQ 데이터는 NGS기계에서 추출한 DNA 정보를 '데이터'형태로 보여주는 첫 파일입니다. 즉, FASTQ는 DNA 정보를 담고있는 아무 정제없는 가장 날 것의 데이터 입니다. 1. FASTQ의 구성 FASTQ는 아래 4줄이 반복되는 형태를 갖습니다. @SEQ_ID Sequence + Quality scores 1) 첫 번째 줄 (@SEQ_ID) : 시퀀스 고유 ID로 NGS기기ID와 Cell Line 번호, index 서열 등의 기초정보를 담고 있습니다. 2) 두 번째 줄 (Sequence) : 시퀀싱된 1개 Read의 서열정보를 담고있습니다. (AGCT의 문자로만 이루어 집니다.) 3) 세 번째 줄 (+) : 여기는 항상 +가 있으며 그냥 구분자 입니다. 4) 네 번째 줄 (Quality sco..
이전 포스팅 2020/06/23 - [생물정보학] - NGS 기반 DNA data 기본 분석 NGS 기반 DNA data 기본 분석 이전 포스팅 2020/06/18 - [생물정보학] - 생물정보학(Bioinformatics) 회사에서 생물정보학자는 무슨일을 하는지, 현재 제가 하는일은 무엇인지 간단히 알아보았습니다. 이번엔, DNA 데이터가 도착하면 bio-info.tistory.com 에서 NGS 시퀀싱 결과 DNA 기본 분석 알고리즘에 대해 알아보았습니다. 이번 포스팅에선 타겟 선별(Target enrishment)과 타겟의 범위에 따른 DNA 시퀀싱 종류 3가지를 알아보겠습니다. Contents 1. 타켓 선별(Target enrishment) 타켓 선별은 앰플리콘 방식과 캡쳐 방식으로 나뉩니다. ..
1. MultiQC란? MultiQC는 bioinformatics 기본 분석 과정에 생성되는 log파일들을 자동으로 인식하고, 취합하여 보기 좋게 HTML 리포트를 생성해주는 툴입니다. 즉, bioinformatics의 여러 가지 툴들의 Output을 log파일로써 인식하여, 시각화를 해줍니다. MultiQC modules에서 어떤 툴들의 Output을 사용할 수 있는지 형태가 자세히 나옵니다. 기본적인 사용방법은 MultiQC document에 나와있으며, MultiQC github도 제공해 줍니다. 2. 설치 방법 conda를 이용한 설치방법과 pip를 이용한 설치방법이 있습니다. 1) conda 이용 a. multiqc 다운로드 conda install -c bioconda multiqc b. 만약..
1. 탄생 배경 1953년 왓슨과 크릭이 DNA 이중나선 구조를 밝히면서 분자생물학 혁명이 시작되었습니다. 이 혁명은 1960년대 중후반까지 지속되었고, 유전정보가 DNA로부터 RNA를 거쳐 단백질로 전달된다는 센트럴 도그마(Central Dogma) 패러다임이 정립되었습니다. 분자생물학의 기본 원리에 대한 큰 그림이 완성된 것입니다. 2. 정의 Central Dogma의 정의는 간략하게 말하면 'DNA에서 RNA로 전사되고, RNA에서 단백질로 번역 된다' 입니다. Central Dogma를 이루는 기본적인 원리는 3가지로 아래의 그림에 개략적으로 나와있습니다. 3가지는 DNA replication(DNA 자기복제), Transcription(전사), Translation(번역) 입니다. Central..
1. 필요한 이유서버 작업량이 많아지고, 오래 걸리는 작업을 동시에 여러개 진행하다 보면, 어떤 일이 언제 끝났는지, 결과가 어떤지 에러가 나지 않았는지 파악하는게 쉽지 않습니다. 메일을 통해 이 문제를 해결할 수 있습니다. 작업을 메일 제목으로, 결과 파일과 에러파일을 첨부파일로, 보고자하는 부분을 메일의 본문으로 하여, 작업이 종료되면 메일이 발신되도록 하면 위와 같은 문제에서 벗어날 수 있습니다. 리눅스 자체에도 메일 툴과 서버가 있지만, 확장성을 위해 파이썬 코드를 직접 짜서 사용합니다. 2. 과정네이버에서 SMTP 사용설정 -> python 코드 다운로드 -> 다운받은 python 코드 맨 윗줄에 python3.6 경로 설정1) 네이버에서 SMTP 서버 사용 2) python 코드12345678..
이전 포스팅 [생물정보학] - 생물정보학(Bioinformatics) 회사에서 생물정보학자는 무슨 일을 하는지, 현재 제가 하는 일은 무엇인지 간단히 알아보았습니다. 이번엔, DNA 데이터가 도착하면 항상 하는 기본 분석과정에 대해 알아보겠습니다. 기본 분석 알고리즘의 목적은 DNA로부터 질병과 관련된 돌연변이를 찾는 것입니다. 아래의 그림이 DNA 데이터 분석의 전체상입니다. 1. NGS 분석 알고리즘 과정 알고리즘의 과정은 크게 3 단계로, DNA 데이터 Quality Control -> 매핑(정렬) -> 돌연변이 검출로 나뉩니다. 1) DNA 데이터 Quality Control NGS(차세대 염기서열 분석)는 자체로 기술적 한계가 있습니다. 그래서, 자체적으로 DNA 서열 Raw Data에 추정 오..
