Recetas habituales¶

Comandos listos para ejecutar de las tareas que más se piden. Cada opción, con su valor por defecto y su significado, vive en un único sitio: la referencia de CLI.

Comando básico¶

get_mnv \
  (--vcf <VCF_FILE> | --tsv <IVAR_TSV_FILE>) \
  --fasta <REFERENCE_FASTA> \
  (--gff <ANNOTATION_GFF> | --genes <ANNOTATION_TSV>)

Usa --vcf para entrada .vcf sin comprimir o .vcf.gz comprimida con BGZF, y --tsv para el archivo variants.tsv que genera ivar variants. La entrada BCF no se admite directamente; conviértela antes a VCF con bcftools view.

Entrada VCF¶

get_mnv \
  --vcf variants.vcf \
  --fasta reference.fasta \
  --gff genes.gff3

Entrada TSV de iVar¶

get_mnv \
  --tsv sample_variants.tsv \
  --fasta reference.fasta \
  --gff genes.gff3

Añadir soporte de lecturas del BAM¶

get_mnv \
  --vcf variants.vcf \
  --bam reads.bam \
  --fasta reference.fasta \
  --gff genes.gff3

Sin BAM, get_MNV anota lo que reportó el llamador de variantes. Con BAM cuenta las lecturas por su cuenta, y solo entonces puede distinguir un haplotipo real a nivel de codón de dos sustituciones que nunca compartieron una molécula. Mira Ligamiento para ver qué te da eso.

Filtrar por el soporte recontado¶

get_mnv \
  --vcf variants.vcf \
  --bam reads.bam \
  --fasta reference.fasta \
  --gff genes.gff3 \
  --min-snp-frequency 0.05 \
  --min-mnv-frequency 0.20

Los filtros de frecuencia y de número de lecturas usan el soporte que get_MNV recalcula del BAM, no los valores OFREQ/ODP de la entrada, así que necesitan --bam. Los umbrales de SNP y de MNV son independientes: un haplotipo MNV fuerte sobrevive aunque sus sustituciones individuales queden por debajo del umbral de SNP.

Escribir TSV y VCF a la vez¶

get_mnv \
  --vcf variants.vcf \
  --bam reads.bam \
  --fasta reference.fasta \
  --gff genes.gff3 \
  --both

Generar el informe interactivo¶

get_mnv \
  --vcf variants.vcf \
  --bam reads.bam \
  --fasta reference.fasta \
  --gff genes.gff3 \
  --report sample.html

El informe es un único archivo HTML autocontenido, así que se abre sin servidor y viaja como un solo adjunto. Necesita la salida TSV, que es la de por defecto. --convert escribe el VCF en lugar del TSV, así que usa --both cuando quieras informe y VCF a la vez.

Para una cohorte ya procesada con una muestra por ejecución, genera el informe a partir de las salidas existentes en vez de volver a ejecutar el pipeline:

get_mnv --report-from run1.MNV.tsv run2.MNV.tsv --report cohort.html

Analizar features CDS de un GFF¶

get_mnv \
  --vcf variants.vcf \
  --fasta reference.fasta \
  --gff genes.gff3 \
  --gff-features CDS

Usa --gff-features CDS cuando quieras anotación proteica consciente de codones a partir de features CDS, sobre todo en archivos GFF/GTF eucariotas. Las filas CDS con transcript_id o Parent se reconstruyen como modelos CDS de transcrito con splicing.

Notas¶

Los nombres de contig deben coincidir exactamente entre el archivo de variantes, el FASTA, el GFF y el BAM.
El parseo de TSV de iVar conserva las filas SNV e indel que pasan los filtros. La notación de indels tipo +SEQ o -SEQ se convierte a alelos REF/ALT anclados al estilo VCF usando el FASTA de referencia.
Si usas --genes, el TSV de anotación no tiene columna de contig. Para datos con varios contigs, mejor --gff.
El comportamiento con indels y frameshift tiene sus propios ajustes, y dos de sus valores por defecto se apartan a propósito del comportamiento original de la herramienta. El razonamiento está en Alcance y compatibilidad.