Avance tres
Encontré el programa ART. Instalé este programa en un nuevo contenedor de Docker con Ubuntu. Al igual que para los otros contenedores, descargué paquetes como curl, wget, bzip2, nano, etcétera, como los requerimientos mínimos para usar el contenedor. ART permite simular los valores de media, desviación estándar, modelos de error o perfiles de calidad (Huang et al. 2012). Para descargarlo, usé el siguiente comando:
`wget https://www.niehs.nih.gov/research/resources/assets/docs/artsrcmountrainier20160605linuxtgz.tgz
Para descomprimir el archivo usé el siguiente comando:
`tar -xvzf artsrcmountrainier20160605linuxtgz.tgz
Para correr este programa tuve algunos problemas, ya que la instalación de las dependencias me marcó un error (E:Unable to find gnu, gls) y otros paquetes. Los primeros comandos que utilicé fueron:
àpt-get update`
àpt-get upgrade`
àpt-get install gnu gls`
Después de leer en internet y no poder resolver mi problema, le pregunté a un informático. Estuvimos una hora intentando resolver el problema hasta que lo logramos. Entre los comandos que utilizamos para lograr instalar y encontrar las dependencias usamos el comando:
# Este comando permite hacer un enlace simbólico (parecido a un acceso directo) a la librería gnu
`ln -s /usr/lib/x86_64-linux-gnu/libgsl.co.19 /usr/lib/x86_64-linux-gnu/libgsl.so.0
# Este comando permite compilar e instalar la paquetería base que necesita ART para correr
`../configure --prefix=/test/
àpt-get install
Para correr el programa ART, es necesario estar en la carpeta descomprimida y correr la siguiente línea (con parámetros básicos):
`./art_illumina -sam -i ../../../datos/ProyectoFinal_ERA/T.azotonutricium.fasta -l 25 -f 6 -o ../../../datos/ProyectoFinal_ERA/digeridos_SimRAD/calidades/T.azo_single
Donde "-sam" significa: generar el archivo .sam
" -l" es el largo de la lectura
"-f" es el fold coverage
Para queART genere una simulación de lecturas "single end", requiere el archivo de entrada, la extensión "archivo_single", el largo de la lectura y el fold coverage. Adicionalmente se puede elegir la plataforma de secuenciación, que puede ser:
GA1 - GenomeAnalyzer I (36bp,44bp), GA2 - GenomeAnalyzer II (50bp, 75bp),
HS10 - HiSeq 1000 (100bp), HS20 - HiSeq 2000 (100bp), HS25 - HiSeq 2500 (125bp, 150bp)
HSXn - HiSeqX PCR free (150bp), HSXt - HiSeqX TruSeq (150bp), MinS - MiniSeq TruSeq (50bp)
MSv1 - MiSeq v1 (250bp), MSv3 - MiSeq v3 (250bp), NS50 - NextSeq500 v2 (75bp)
Este programa genera archivos fastq que pueden ser leídos por el programa FASTQC, imagen de ejemplo
Uso de un paquete de simulación SImRAD y alineación con msn. Con esta paquetería puedo alinear las secuencias digeridas de los genomas y poder comparar la variación.
Le moví al parámetro "## [4] [sorted_fastq_path]: Location of demultiplexed/sorted fastq files a
`./*.fq
porque ART genera archivos *.fq
y al parámetro
"## [5] [assembly_method]: Assembly method (denovo, reference, denovo+reference, denovo-reference)" a
`de novo
Comando
`ipyrad -p params-iptest.txt -s 1
Le moví el parámetro ## [17] [filter_min_trim_len]: Min length of reads after adapter trim de 33 (default) a 20 para que las secuencias pasaran.
`ipyrad -p params-iptest.txt -s 2
Le moví el parámetro "## [14] [clust_threshold]: Clustering threshold for de novo assembly" de 0.85 (default) a 0.6 para poder agrupar las secuencias, no se forman grupos y no puedo continuar a los siguientes pasos y no sé porqué.
`ipyrad -p params-iptest.txt -s 3
Análsis filogenéticos... continuará
Pipeline para trabajar con simulación y reensamblaje de secuencias para análisis filogenéticos.
Archivo md del trabajo final.