Formatos de salida

get_MNV puede escribir archivos de metadatos TSV, VCF, BCF y JSON.

Salida TSV por defecto

Nombre de archivo por defecto:

<input_name>.MNV.tsv

Con --sample all se escribe un archivo por muestra, con la muestra en el nombre:

<input_name>.sample_<MUESTRA>.MNV.tsv

Los caracteres que no pueden aparecer en un nombre de archivo se sustituyen, así que una muestra llamada sample/1:bad pasa a ser sample_1_bad. Si dos muestras quedan con el mismo nombre tras esa sustitución escribirían en un solo archivo, así que la ejecución se detiene y las nombra en vez de dejar que una sobrescriba a la otra.

Cada archivo contiene las variantes que lleva esa muestra, no todas las de la cohorte. Un registro enumera todos los ALT vistos en ese sitio en el conjunto de muestras, así que el GT de la muestra decide cuáles le corresponden: un genotipo 0/0 no lleva ninguno, 1/2 lleva los dos alelos de un registro multialélico, y un genotipo ausente o sin llamada (./.) conserva el alelo, porque desconocido no es lo mismo que ausente. Una muestra que no lleva nada recibe un archivo solo con la cabecera. Dos sustituciones contiguas se juntan en un MNV únicamente para las muestras que llevan las dos.

Usa este formato para hojas de cálculo, análisis posteriores e inspección rápida.

Columnas principales:

Columna	Significado
Chromosome	Nombre del contig
Gene	Nombre del gen o de la característica. Las variantes intergénicas se marcan como intergenic.
Positions	Una posición para los SNP y varias posiciones separadas por comas para los MNV, en orden genómico ascendente en ambas hebras. Las columnas por SNV (Reference Bases, Base Changes, SNP AA Changes, SNP Codon, Event Components y las de soporte de lecturas) son arrays paralelos en ese mismo orden.
Reference Bases	Bases de referencia en esas posiciones.
Base Changes	Bases alternativas.
AA Changes	Cambio de aminoácido tras combinar todos los SNV del codón.
SNP AA Changes	Cambio de aminoácido para cada SNV considerado por separado.
Local AA Changes	Numeración local al exón, que es lo que get_MNV reportaba antes de la 1.1.2. Idéntica a AA Changes cuando la característica no tiene contexto de transcrito (un TSV de genes, un CDS procariota o de un solo exón, y el primer exón de un modelo empalmado), y distinta en los exones posteriores de un transcrito empalmado, donde AA Changes cuenta desde el inicio de la proteína y esta desde el inicio del exón.
Local SNP AA Changes	Cambios de aminoácido por SNP en numeración local.
Variant Type	SNP, MNV, SNP/MNV o INDEL.
Change Type	Sinónimo, no sinónimo, codón de parada ganado/perdido, desconocido, etc.
Reference Codon	Codón original, en la orientación del propio transcrito: en un gen de hebra menos son las bases de la hebra codificante, no las genómicas, de modo que el codón siempre traduce al aminoácido que aparece a su lado.
SNP Codon	Codón con las sustituciones SNP individuales, misma orientación que Reference Codon.
MNV Codon	Codón con todas las sustituciones agrupadas, misma orientación que Reference Codon.
Event Class	Clase canónica del evento de alelo: snp, mnv, insertion, deletion, delins, complex_indel o symbolic.
Event Components	Descomposición REF/ALT como SNV:10:A>G, INS:10:+T o DEL:11-12:TG.
SO Term	Término de consecuencia Sequence Ontology (missense_variant, synonymous_variant, stop_gained, start_lost, frameshift_variant, inframe_deletion, intergenic_variant, …). Las variantes cerca de una unión exón-exón interna de un transcrito con splicing llevan además un término de splice: splice_donor_variant / splice_acceptor_variant (las dos bases intrónicas esenciales de cada extremo del intrón, HIGH) o splice_region_variant (las 3 primeras o las 3 últimas bases del exón, o las bases 3ª-8ª del intrón, LOW). Un cambio exónico cerca de una unión se combina con su consecuencia codificante, p. ej. missense_variant&splice_region_variant para una sustitución y frameshift_variant&splice_region_variant para un indel, en una sola fila y no en dos. Una unión exige un intrón real: los segmentos CDS contiguos o solapados (una unión por deslizamiento ribosómico, como ORF1ab de SARS-CoV-2) forman una pauta de lectura continua y no llevan términos de splice. Una variante dentro de un intrón pero lejos de sus sitios de splice es intron_variant (MODIFIER), reportada contra su gen y no como intergénica, y una variante en una feature declarada no codificante es non_coding_transcript_exon_variant (MODIFIER), sin cambio de aminoácido.
Impact	Impacto previsto según convenciones SnpEff/VEP: HIGH, MODERATE, LOW o MODIFIER. Una consecuencia combinada splice/codificante conserva el impacto más severo.
Grantham	Distancia de Grantham y categoría de conservación de un cambio missense (p. ej. 177 (radical)); - si es sinónimo, sin sentido o no codificante.
MNV Consequence Shift	Cómo compara el MNV combinado con sus SNV individuales: MNV-gained (más severo que cualquier SNV solo, que es lo que se pierden los anotadores por-SNV), MNV-masked (un SNV sin sentido rescatado por su vecino) o Concordant. - para SNV individuales.
DBS Class	Clase de sustitución de doblete (DBS) al estilo COSMIC para un MNV de dos sustituciones de una base adyacentes, p. ej. CC>TT (colapsado por complemento reverso, así que GG>AA se reporta como CC>TT). - para SNV individuales, indels y MNV no adyacentes o de 3 SNV.
Declared Phase	La fase que declaró el VCF de entrada para los alelos de esta fila, como cis:12345 (veredicto y conjunto de fase PS) o solo cis si el llamador faseó sin conjunto. Se lee de un GT separado por |; un genotipo con / es el llamador diciendo que no resolvió la fase, y sale como -. Se añade |contradicted-by-reads cuando el BAM no le deja sitio: un cis declarado que ni una sola lectura completa lleva, o un trans declarado que llevan todas las lecturas informativas. Es la afirmación del llamador, no una observación; las columnas de fasing de al lado son la evidencia. - para filas de una sola posición y para entrada sin fasear.
MNV Phasing Support	Soporte de fasing (ligamiento) derivado del BAM: entre las lecturas que observan todas las posiciones del codón y llevan el SNV constituyente menos soportado, la fracción que además lleva el haplotipo MNV completo. 1.0000 = co-ocurrencia perfecta (un haplotipo real); valores bajos indican que los SNV caen mayoritariamente en moléculas distintas (una coincidencia en el mismo codón, no un MNV real). 0.0000 es un hallazgo: hubo lecturas que cruzaron el codón y ninguna llevaba ambos. - significa que no se pudo responder: sin --bam, un SNV suelto, o ninguna lectura que alcance de un extremo a otro del codón (habitual cuando un codón cruza un intrón y los fragmentos son más cortos que él).
Haplotype LD	Desequilibrio de ligamiento (D') a nivel de lectura entre las variantes que esta fila afirma que van juntas, sobre las moléculas que las observaron. Cubre los dos tipos de fila con varias variantes: un MNV de codón y un haplotipo local de indel. Un ratio de co-ocurrencia no puede separar un haplotipo de una casualidad de frecuencias: dos sustituciones que están cada una en el 90% de las moléculas se encuentran juntas en el 81% por pura aritmética, y el ratio eso lo llama 0.9. D' mide el exceso sobre lo que predicen esas dos frecuencias, normalizado por el máximo que podría haber sido. +1 = van juntas todo lo que sus frecuencias permiten, así que el MNV es un haplotipo real. ~0 = co-ocurren exactamente lo que predice el azar, así que solo comparten codón. -1 = se excluyen: ambas presentes, nunca en la misma molécula, lo que en una población haploide son dos linajes en competencia y no una variante. Con tres o más variantes decide el par más débil, porque la fila afirma que una molécula las lleva todas. Responde a una pregunta distinta que el recuento de al lado: el recuento es cuántas moléculas son esa combinación, mientras que D' es si sus variantes co-ocurren más de lo que predicen sus propias frecuencias, así que un haplotipo con pocas moléculas puede estar perfectamente ligado y uno con muchas puede ser una casualidad. - cuando ninguna molécula observó las variantes juntas, o cuando una de ellas está en todas esas moléculas o en ninguna, que no deja nada que correlacionar. Solo aparece con --bam.
Haplotype LD p	Valor p exacto de Fisher a dos colas para esa tabla, para que un D' de 1.0 con cuatro moléculas no se lea igual que uno con cuatrocientas. - en los mismos casos que la columna anterior. Solo aparece con --bam. Mira Ligamiento.
MNV Phasing Reads	Sobre cuántas lecturas se calculó MNV Phasing Support, para que un 1.0000 con 3 lecturas no se lea igual que uno con 300. Sale - exactamente cuando esa columna sale -, que no es el mismo criterio que el de las dos columnas de ligamiento de al lado. Solo aparece con --bam.
Frameshift Phasing	Lo que dijeron las lecturas sobre si este codón comparte moléculas con cada indel aguas arriba, como trans:1234:0/18: el veredicto, la posición del indel, y las lecturas en cis sobre las que podían responder. Varios se unen con |. Un codón sin la marca de frameshift se ve igual tanto si las lecturas probaron que el indel está en otras moléculas como si nadie preguntó; - es el segundo caso. Solo aparece con --bam.
NMD Prediction	Predicción de decaimiento mediado por sin sentido (NMD) para un stop prematuro según la regla de los 50 nt: NMD-triggering cuando el PTC está a más de 50 nt aguas arriba de la última unión exón-exón, NMD-escaping cuando está en el último exón o a menos de 50 nt de esa unión. - para variantes sin stop prematuro y para transcritos sin unión exón-exón. Requiere un modelo de CDS con splicing (transcrito GFF/GTF) cuyos segmentos estén separados por intrones reales; un único segmento CDS, o segmentos unidos por deslizamiento ribosómico, no tiene unión.
HGVS g.	Descriptor HGVS genómico: g.100A>G para un SNV, el bracket de alelo g.[28G>T;30T>A] para un MNV, y g.101_102del / g.100_101insTG / g.101delinsC para indels. No hace 3'-shifting (usa la posición del alelo de entrada) y no lleva prefijo de accesión de referencia.
HGVS c.	Descriptor HGVS codificante para una sustitución codificante, numerado desde el inicio del CDS con bases de la hebra codificante: c.30A>G (SNV) o el bracket de alelo c.[28G>A;30T>C] (MNV). - para indels y variantes no codificantes; el cambio proteico (p.) en las columnas AA da la consecuencia de los indels.

Columnas adicionales cuando se usa --bam:

Columna	Significado
SNP Reads	Lecturas que llevan cada SNV individual sin el haplotipo MNV completo. En una fila donde todas las lecturas llevan el haplotipo entero esto vale 0 para cada constituyente y el recuento vive en MNV Reads, así que las dos columnas reparten el soporte en vez de contarlo dos veces.
SNP Forward Reads	Recuento en hebra directa de las lecturas de arriba.
SNP Reverse Reads	Recuento en hebra reversa de las lecturas de arriba.
MNV Reads	Lecturas que respaldan el haplotipo MNV completo.
MNV Forward Reads	Soporte de MNV en hebra directa.
MNV Reverse Reads	Soporte de MNV en hebra reversa.
Total Reads	Profundidad en las posiciones de la variante.
SNP Frequencies	Frecuencias de SNP por posición.
MNV Frequencies	Frecuencia del haplotipo MNV.
Event Reads	Lecturas exactas que respaldan un evento indel/complejo.
Event Forward Reads	Soporte exacto del evento en hebra directa.
Event Reverse Reads	Soporte exacto del evento en hebra reversa.
Event Depth	Lecturas con un alelo observado a lo largo del tramo del evento indel/complejo.
Event Frequency	Lecturas exactas del evento divididas por la profundidad del evento.

El soporte exacto del evento tiene en cuenta el CIGAR. Una lectura debe reconstruir la misma secuencia ALT local y, en el caso de los haplotipos complejos, contener los componentes de inserción y deleción esperados. Esto evita que las combinaciones de inserción/deleción de efecto neutro se contabilicen como soporte solo porque su secuencia se parezca a un MNV.

Las columnas de frecuencia se calculan a partir del soporte de lecturas del BAM. --min-snp-frequency y --min-mnv-frequency usan estos mismos valores derivados del BAM. Los filtros son independientes: --min-snp-frequency se aplica a las observaciones de SNP individuales y --min-mnv-frequency se aplica a los haplotipos MNV en fase. En las llamadas mixtas SNP/MNV, una fila o registro VCF se conserva cuando cualquiera de los dos componentes supera su propio umbral activo. Los filtros de recuento de lecturas y de soporte de hebra (--snp, --mnv, --min-snp-strand y --min-mnv-strand) siguen el mismo comportamiento independiente para SNP y MNV.

Cuando un MNV a nivel de codón se solapa con un indel, la fila del MNV se conserva como fila de contexto posicional, pero su efecto a nivel de aminoácido se marca como Unknown con Change Type = Indel overlap. Si las lecturas del BAM respaldan el evento combinado completo, get_MNV emite una fila complex_indel exacta aparte con el REF/ALT combinado, los componentes del evento y el soporte de lecturas del evento.

El solapamiento del indel sigue la semántica interbase de VCF. Las deleciones se solapan con una característica a lo largo del tramo de referencia eliminado. Las inserciones solo se solapan con una característica cuando la secuencia insertada cae entre dos bases de referencia situadas dentro de ella, de modo que una inserción anclada en la última base de la característica se reporta fuera de esta.

Ejemplo:

Chromosome  Gene    Positions   Base Changes    AA Changes  Variant Type    Change Type
MTB_anc Rv0095c_Rv0095c 104838  T   Asp126Glu   SNP Non-synonymous
MTB_anc Rv0095c_Rv0095c 104941, 104942  T, G    Gly92Gln    SNP/MNV Non-synonymous

Salida VCF

Escribe VCF con:

--convert

o escribe tanto TSV como VCF con:

--both

Nombre de archivo por defecto:

<input_name>.MNV.vcf

Usa --vcf-gz para obtener salida comprimida:

<input_name>.MNV.vcf.gz

Campos INFO comunes:

Campo	Significado
GENE	Nombre del gen o de la característica
AA	Cambio de aminoácido
CT	Tipo de cambio
TYPE	Tipo de variante
EC	Clase canónica del evento de alelo
COMP	Componentes del evento REF/ALT
ODP	Profundidad original del archivo de variantes de entrada
OFREQ	Frecuencia alélica original del archivo de variantes de entrada
SR, SRF, SRR	Lecturas de SNP: total, forward, reverse
MR, MRF, MRR	Lecturas de MNV: total, forward, reverse
DP	Profundidad recalculada a partir del BAM
FREQ	Frecuencia recalculada a partir del BAM
ER, ERF, ERR	Lecturas exactas del evento indel/complejo: total, forward, reverse
EDP	Profundidad exacta del evento para alelos indel/complejos
EFREQ	Frecuencia exacta del evento para alelos indel/complejos
SBP	Valor p del sesgo de hebra de SNP, en notación científica (1.923e-7), que es el valor con el que comparó --min-strand-bias-p
MSBP	Valor p del sesgo de hebra de MNV, misma notación
SO, IMPACT	Término de consecuencia Sequence Ontology e impacto predicho
GD	Distancia de Grantham de un cambio missense
MNVSHIFT	Consecuencia del MNV combinado frente a sus SNV individuales
DBS	Clase de doblete estilo COSMIC para MNV de 2 SNV adyacentes (p. ej. CC>TT)
MNVPS	Soporte de fasing del MNV (de las lecturas que cruzan el codón y llevan el SNV limitante, la fracción que lleva el haplotipo completo)
MNVPR	Lecturas sobre las que se calculó ese ratio
FSPH	Fase con cada indel aguas arriba, como veredicto:posición:cis/informativas
DPHASE	Fase que declaró el VCF de entrada para esta fila, veredicto:conjunto
LD	Desequilibrio de ligamiento D-prime entre las sustituciones del codón
LDP	Valor p exacto de Fisher para esa tabla de ligamiento
NMD	Predicción de NMD para un stop prematuro (regla de los 50 nt)
HGVSG	Descriptor HGVS genómico (bracket de MNV con ; percent-encoded)
HGVSC	Descriptor HGVS codificante para una sustitución (; percent-encoded)

La cabecera del VCF registra la versión de get_MNV, la línea de comandos y los umbrales usados. Cuando --emit-filtered está habilitado, los registros VCF que quedan por debajo de los umbrales de soporte de lecturas, frecuencia, soporte de hebra o sesgo de hebra se escriben con etiquetas FILTER como LowSupport, LowFrequency, StrandSupport o StrandBias; de lo contrario, se omiten.

Salida BCF

Escribe BCF con:

--bcf

BCF requiere el modo de salida VCF, así que úsalo con --convert o --both. Esto es solo conversión de salida; BCF no se acepta como formato de entrada.

La conversión la hace bcftools view, tomado del PATH. Sin bcftools instalado la ejecución avisa, no escribe ningún BCF y aun así sale con 0, con su TSV y su VCF intactos. --index-vcf-gz funciona igual, a través de tabix.

Nombre de archivo por defecto:

<input_name>.MNV.bcf

Archivos JSON

Tres flags escriben JSON, y todos los payloads llevan un schema_version para que quien los consuma sepa qué forma está leyendo.

JSON de resumen

Escribe con:

--summary-json run.summary.json

Claves de primer nivel:

Clave	Significado
schema_version	Versión del payload, ahora mismo 1.0.0
sample	La muestra nombrada con --sample, o null si no se pasó el flag. null no significa que no se usara ninguna muestra: un VCF multimuestra sigue recayendo en la primera columna de muestra, y su genotipo y sus campos FORMAT siguen decidiendo las métricas
dry_run	Si estaba en vigor --dry-run
bam_provided	Si se leyó un BAM, que es lo que decide los campos de soporte de lecturas
translation_table	Número de tabla de traducción del NCBI utilizada
inputs	Las rutas de entrada: vcf, fasta, annotation, bam, y además checksums
output_tsv, output_vcf, output_bcf	Los archivos que escribió esta ejecución, null en cada uno que no escribió
contigs	Una entrada por contig, con sus propios recuentos
timings	parse_inputs_ms, process_ms, emit_ms, total_ms
global	Los recuentos de toda la ejecución, abajo

Dentro de global:

Clave	Significado
contig_count	Contigs vistos
snp_records_in_vcf	Entradas de variantes conservadas de la entrada en ese contig. No es el número de líneas del archivo: una entrada cuyo alelo no lleva el genotipo de la muestra elegida no se cuenta, así que el mismo archivo da otro número con otro --sample
mapped_genes	Genes con al menos una variante encima
produced_variants	Variantes anotadas, antes de los filtros de salida
snp_variants, mnv_variants, snp_mnv_variants, indel_variants, intergenic_variants	El mismo total desglosado por tipo
region_cache_hits, region_cache_misses	Caché de regiones del BAM, solo tiene sentido con --bam

Estos recuentos son lo que produjo get_MNV, antes de los filtros de salida

produced_variants y los recuentos por tipo que lo acompañan se toman después de la anotación y antes de los filtros de soporte de lecturas, frecuencia y hebra que deciden qué llega al TSV. En una ejecución filtrada los dos discrepan a propósito: el mismo comando puede registrar produced variants=941 y escribir un TSV de una sola fila, y el informe HTML, que cuenta filas, dirá 1. Lee el resumen como lo que encontró la anotación y el TSV como lo que pasó los filtros.

--sample all escribe otro objeto, no uno más largo

Todas las claves de arriba se mueven. Un resumen de --sample all trae mode con el valor sample_all, sample_count, sample_names, un objeto aggregate con los totales de toda la ejecución, y un array samples con un objeto por muestra. Cada uno de esos, y aggregate también, tiene la forma de muestra única descrita arriba, así que data["global"]["produced_variants"] pasa a ser data["aggregate"]["global"]["produced_variants"].

aggregate suma los recuentos de todas las muestras y no nombra ningún archivo de salida propio: aggregate.output_tsv es null, y las rutas de cada muestra están en las entradas de samples. Su array contigs también está siempre vacío, porque el desglose por contig es de cada muestra; léelo de las entradas de samples. Bifurca por la clave que solo tiene una de las dos formas:

import json

data = json.load(open("run.summary.json"))
if data.get("mode") == "sample_all":
    totals = data["aggregate"]["global"]
    per_sample = {s["sample"]: s["global"] for s in data["samples"]}
else:
    totals = data["global"]
    per_sample = {data["sample"]: data["global"]}

Manifiesto de la ejecución

Escribe con:

--run-manifest run.manifest.json

Clave	Significado
schema_version	Versión del payload
tool_version	La versión de get_MNV que se ejecutó
command_line	El comando con cada ruta reducida a su nombre de archivo y el programa escrito como get_mnv, para que el manifiesto se pueda compartir sin publicar la estructura de directorios en la que se ejecutó. Registra qué se ejecutó, no una línea que se pueda pegar en un shell
timestamp_unix	Segundos desde la época Unix
summary	El payload de resumen entero, sin cambios
output_checksums	output_tsv_sha256, output_vcf_sha256, output_bcf_sha256, cada uno null para el archivo que esta ejecución no escribió

Con --sample all el manifiesto sigue al resumen: mode, sample_names, aggregate y samples, sin clave summary de primer nivel, y cada entrada de samples lleva sus propias output_checksums.

JSON de errores

Escribe los errores como JSON con:

--error-json run.error.json

Se escribe solo cuando la ejecución falla, así que su presencia ya es la señal:

Clave	Significado
schema_version	Versión del payload
code	El código de error estable, por ejemplo E002
exit_code	El estado de salida del proceso, que coincide con la tabla de Solución de problemas
message	El mismo texto que imprimió la ejecución

{
  "schema_version": "1.0.0",
  "code": "E002",
  "exit_code": 3,
  "message": "Cannot open VCF file '/no/such.vcf': No such file or directory (os error 2)"
}

Informe HTML interactivo

--report <FICHERO.html> escribe un único fichero HTML autocontenido para explorar las variantes llamadas. Incrusta sus datos y no carga scripts ni fuentes externas, así que se abre sin conexión con un doble clic y se puede adjuntar en un correo o archivar junto a los resultados.

Abrir el informe de ejemplo: 941 variantes llamadas sobre el conjunto de una muestra incluido en example/, o sea la salida real del comando de abajo y no una maqueta. Se regenera con scripts/build_example_report.sh. Las vistas de cohorte (las filas de la matriz, la recurrencia de haplotipos) se llenan con --sample all o --report-from sobre varias muestras.

# Informe de un run
get_mnv --vcf muestra.vcf --fasta ref.fasta --gff ref.gff --report muestra.html

# Un informe que cubre todas las muestras de un VCF multi-muestra
get_mnv --vcf cohorte.vcf --fasta ref.fasta --gff ref.gff --sample all --report cohorte.html

# Cohorte procesada muestra a muestra: agrega los TSV al final
get_mnv --report-from resultados/*.MNV.tsv --report cohorte.html

Con --report-from no se ejecuta el pipeline: el informe se construye a partir de TSV de get_MNV ya existentes, que es la forma habitual en un flujo de Nextflow o Snakemake que llama a get_MNV una vez por muestra. Cada fichero es una muestra, etiquetada con su nombre de archivo sin el sufijo .MNV.tsv (TB-001.MNV.tsv pasa a ser TB-001).

El informe contiene:

• Una cifra principal de las variantes mostradas, con tarjetas de apoyo para muestras, genes, filas MNV y variantes de alto impacto, y la distribución de consecuencias por término de Sequence Ontology. Todo sigue los filtros activos.

• Una matriz de variantes, dibujada como un pequeño navegador genómico: las muestras en el lateral, coordenadas genómicas reales arriba y color por la base alternativa. Rueda para hacer zoom alrededor del cursor, arrastrar para desplazarse, arrastrar sobre la tira del contig completo para saltar, y doble clic para volver al inicio. Arrastrar a lo largo de la tira del contig completo selecciona un rango; un clic simple sobre ella recentra. La caja de región acepta inicio-fin, contig:inicio-fin, una coordenada suelta o un nombre de gen, y lo encuadra. Sobre la regla, una pista de densidad muestra las llamadas por bin genómico en carriles independientes: uno por cada métrica (todas las llamadas, SNP, MNV, indel, impacto HIGH y número de muestras distintas con llamada). Cada carril tiene su propia escala y su propio máximo, así una clase rara se lee al lado de una común en vez de quedar aplastada en la base de un apilado, y el control Tracks alterna entre todos los carriles, un conjunto compacto y ninguno. Una pista de genes marca la extensión de los sitios llamados de cada gen (que es donde hubo llamadas, no el límite anotado del gen, que el informe no lleva). Al acercarse lo suficiente aparece la letra de la base dentro de cada celda. Las muestras se pueden ordenar por perfil compartido (los patrones idénticos quedan juntos), por número de variantes o por nombre, y cada etiqueta de muestra lleva una barra con cuántas llamadas tiene en la ventana visible, por eso no hay un gráfico aparte por muestra. El color significa una sola cosa: los tonos de nucleótido son de las celdas de la matriz, toda magnitud va en neutro, y el color de estado reservado marca el impacto HIGH. Las posiciones llamadas juntas en las mismas lecturas (MNV de codón, indels complejos faseados) llevan una marca sobre sus columnas, y aparece un selector de contig con datos multi-contig, ya que un eje de coordenadas continuo no puede abarcar varios contigs.

  Una celda solo puede ser "llamada ALT" o "no llamada". La salida de get_MNV no distingue una base de referencia de una posición sin cobertura, así que una celda vacía nunca se presenta como referencia. Ese estado se lee como "referencia o sin cobertura".

• Haplotipos respaldados por lecturas: las combinaciones de alelos que get_MNV observó realmente en las mismas lecturas, es decir MNV de codón e indels complejos faseados localmente, ordenados por cuántas muestras llevan cada uno y con su soporte de fasing cuando se usó un BAM. El fasing de largo alcance entre sitios distantes no se infiere ni se muestra nunca.

• Una tabla ordenable y filtrable con todas las variantes, virtualizada para que decenas de miles de filas sigan siendo fluidas. Cada columna tiene su propio filtro: lista de casillas para muestra, contig, gen, tipo de variante, consecuencia e impacto (varios valores a la vez, con buscador cuando la lista es larga), coincidencia por texto para posición, cambio de bases y cambio de aminoácido, y rango mínimo/máximo para Grantham y frecuencia. Los filtros de columna se combinan entre sí y con el buscador libre, y gobiernan toda la página: las cifras principales, los gráficos, la matriz y el panel de haplotipos siguen la misma selección.
• Un panel de detalle de la variante seleccionada con su localización, consecuencia, descriptores HGVS g./c./p., distancia de Grantham, clase DBS, predicción de NMD, codones, componentes del evento y soporte de lecturas.
• Exportar TSV filtrado, que descarga exactamente las filas mostradas.
• Enlaces al repositorio y a la documentación en la cabecera. Son hiperenlaces normales: no se descarga nada al abrir el informe, así que sigue siendo autocontenido sin conexión.

El informe sigue el tema claro u oscuro del sistema operativo y tiene su propio selector. Como se construye desde el TSV, --report necesita salida TSV: funciona con el modo de salida por defecto y con --both, pero no con --convert a solas ni con --dry-run. Las columnas de soporte de lecturas (frecuencia, profundidad) solo se rellenan si el run usó --bam.

El tamaño escala con el número de variantes. Los campos repetidos se codifican con diccionario, así que una cohorte de decenas de miles de variantes se queda en pocos megabytes.

Notas

• Para los registros MNV, la profundidad y la frecuencia se calculan a partir de las lecturas que abarcan todas las posiciones del haplotipo agrupado.
• Las frecuencias se imprimen con 4 decimales.
• --min-snp-frequency y --min-mnv-frequency son valores de 0 a 1 y requieren --bam.
• Los filtros de frecuencia de SNP y MNV son independientes, de modo que un haplotipo MNV fuerte no se elimina por un umbral de frecuencia de SNP más estricto.
• Los filtros de soporte de lecturas y de soporte de hebra de SNP y MNV también son independientes.
• --sample all escribe un conjunto de salida por cada muestra del VCF, con las variantes que lleva el genotipo de esa muestra.
• --keep-original-info conserva los campos INFO del VCF de entrada que no son de get_MNV.