kGWAS流:基于k-mers的GWAS的模块化,灵活和可重复的Snakemake工作流
Adnan Kivanc Corut1, Jason G Wallace1,2,3
1Institute of Bioinformatics, University of Georgia, Athens, GA 30602, USA.
G3 (Bethesda, Md.)
|November 17, 2023
概括
本研究介绍了kGWASflow,这是基于k-mers的全基因组关联研究 (GWAS) 的用户友好的工作流. 它简化了复杂的方法,提高了识别遗传特征的可复制性和可访问性.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
背景情况:
- 全基因组关联研究 (GWAS) 对于识别与复杂特征相关的遗传变异至关重要.
- 传统的GWAS方法面临着局限性,促使开发先进的方法.
- 基于K-mer的GWAS提供了一个强大的替代方案,但实施可能具有挑战性.
研究的目的:
- 为基于k-mer的GWAS提供一个模块化,用户友好的,可扩展的工作流.
- 简化基于k-mer的GWAS方法的实施.
- 提高先进的GWAS技术的可复制性和可访问性.
主要方法:
- 开发了使用Snakemake和Conda进行工作流管理的kGWASflow.
- 使用Docker的容器化来解决依赖性和版本冲突.
- 综合质量控制,读取削减和总结统计数据的生成.
- 包括后GWAS分析来识别特征相关的k-mers.
主要成果:
- kGWASflow简化了基于k-mers的GWAS流程,使其更容易获得.
- 工作流通过自动化步骤和容器化确保了高可重复性.
- kGWASflow成功地整合了GWAS前后分析的基本组件.
- 该工具需要最低限度的编程专业知识,并且可以在各个生物体中应用.
结论:
- kGWAS流量显著降低了执行基于k-mer的先进GWAS的进入障碍.
- 该工作流促进基因组学和特征关联研究中的可重复性研究.
- kGWASflow是研究界的一个有价值的,免费可用的资源.
