nf-core/airrflow:采用Imcantation框架的自适应性免疫受体库分析工作流程

科学领域:

• 免疫学 免疫学 免疫学
• 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:

• 适应性免疫受体谱序列测序 (AIRR-seq) 对于了解各种疾病中的免疫反应至关重要.
• 现有的AIRR-seq数据分析工具缺乏用于高性能计算的可扩展性和高效并行化.
• 需要强大的,集成的工作流来处理和分析复杂的AIRR-seq数据集.

研究的目的:

• 开发和介绍nf-core/airrflow,这是一个可扩展的,端到端的工作流程,用于批量和单细胞AIRR-seq数据处理.
• 将Imcantation框架集成到基于Nextflow的管道中,用于标准化的BCR和TCR测序数据分析.
• 为了证明工作流的性能和适用于模拟和现实世界的AIRR-seq数据集.

主要方法:

• 使用Nextflow开发了nf-core/airrflow,用于跨高性能计算环境的并行化和可移植性.
• 整合了Imcantation框架,用于从原始读取到克隆推理的全面数据处理.
• 使用模拟数据与测序错误和真实数据集验证工作流,包括批量和单细胞AIRR-seq.

主要成果:

• nf-core/airrflow证明了AIRR-seq数据的高效处理,处理了批量和单细胞样本.
• 工作流程成功地整合了B细胞和T细胞受体测序数据分析的既定最佳实践.
• 分析SARS-CoV-2数据集,使用nf-core/airrflow验证和扩展的关于融合抗体反应的发现.

结论:

• nf-core/airrflow为高通量AIRR-seq数据分析提供了一个可扩展和高效的解决方案.
• 工作流程有助于研究免疫受体在健康和疾病,包括传染病和癌症.
• 该工具增强了从大型公共AIRR-seq数据集中验证和扩展在较小群体中的发现的能力.