platonb/ld-tools

ld-tools: toolkit for linkage disequilibrium calculation designed to work locally

ld-tools's Issues

Клинические аннотации по DisGeNET

Сейчас в придачу к LD выводится несколько основополагающих характеристик вариантов. Берутся они из того же источника, что юзается для расчёта LD - 1000 Genomes. Рассматриваю возможность расширять аннотирование, присоединяя другие ресурсы. Явно напрашивается дополнять вывод медицинскими проявлениями. По моему опыту, наилучшее ранжирование пар генотип-фенотип выполняет агрегатор DisGeNET.

Предполагаемая реализация:

• Добавлять в SQLite-БД таблицу с необходимым минимумом DisGeNET-данных - rsIDs, болезнями и скорами. Делать это можно по аналогии с уже практикуемым созданием двух 1000G-based таблиц.
• Запускать поиск клиники лишь после успешного прохождения всех ступеней валидации исходных вариантов.
• Не выводить болезни при подпороговом скоре. Порог, в свою очередь, должен будет задаваться аргументом команды.

Подводные камни:

• Не факт, что наборы болезней будут умещаться в ховертексты диаграмм ld_triangle.
• DisGeNET довольно часто обновляется. Было бы хорошо автоматизировать процесс апдейта соответствующей SQLite-таблицы.

---

Want to back this issue? Post a bounty on it! We accept bounties via Bountysource.

Ошибка отбора фазированных генотипов Y-хромосомы

В последней, да и, наверное, во всех версиях ld-tools, есть баг: бэкенд способен отбирать смесь мужских и женских сэмплов, а фронтенды не учитывают, что фазированные генотипы Y-хромосомы могут быть только для носителей этой хромосомы.

sqlite3.OperationalError: no such table: main.variants

I've been trying to run my first test set of data using this tool, but an error showed and no 1000 genome data was downloaded. Here is the code I run on Bash in a Linux system, where [$path] is my real path on the server.

#Establish conda environment and export path
conda create -y --prefix [$path]/miniconda3/envs/ldtools python=3.7
conda activate ldtools
conda install -y -c bioconda pysam=0.15.4
conda install -y -c conda-forge tabulate
conda install -y -c conda-forge plotly
conda install -y -c anaconda numpy

export PATH=[$path]/miniconda3/envs/ldtools/:[$path]/miniconda3/envs/ldtools/bin:[$path]/miniconda3/envs/ldtools/lib/python3.7/site-packages:$PATH
alias python='[$path]/miniconda3/envs/ldtools/bin/python3.7'

#My code to run the ld-tools:
INPUT_DIR=[$path]
G1000Genome=[$path]/Refdata/1000genome/
ldtools=[$path]/ldtools/ld-tools-master/
python $ldtools/ld_triangle.py -S $INPUT_DIR/ -D $G1000Genome -t $INPUT_DIR/ -m 1 -e all -z 0.8 -o table

#My small dataset under $INPUT_DIR/try_data.tsv look like this:
rsID chr Range
rs2252865 chr1 1
rs880315 chr1 1
rs3748817 chr1 1
rs3007421 chr1 1
rs760816 chr1 1
rs2273291 chr1 1
rs17367504 chr1 1
rs709209 chr1 1
rs6685497 chr1 1
rs2843152 chr1 1

And the output looks like this:

samples.txt... OK
conversion.db... OK
samples... OK
urls.txt... OK

id... Traceback (most recent call last):
File "/research/labs/pharmacology/lwrwpharm/m176113/tools/ldtools/ld-tools-master//ld_triangle.py", line 390, in
prep_single_proc = PrepSingleProc(args)
File "/research/labs/pharmacology/lwrwpharm/m176113/tools/ldtools/ld-tools-master//ld_triangle.py", line 31, in init
self.intgen_convdb_path = prep_intgen_data(self.intgen_dir_path)
File "/research/labs/pharmacology/lwrwpharm/m176113/tools/ldtools/ld-tools-master/backend/prep_intgen_data.py", line 183, in prep_intgen_data
cursor.execute('CREATE INDEX IF NOT EXISTS "id" ON variants (ID)')
sqlite3.OperationalError: no such table: main.variants

I could not figure out what is the problem here. Could you please help me with that? Thank you!

[ld_triangle] Не зависящая от диапазона значений палитра

Сейчас максимально тёмную окраску из всех возможных в палитре получают клеточки с наибольшим значением LD. Но стоит учитывать, что наибольшее - не значит большое. Получается, что если самая неравновесно сцепленная пара имеет весьма скромное LD, соответствующая клеточка всё равно зальётся почти чёрным.

А психологически мы ожидаем от тёмной ячейки значение, равное, или близкое к 1.

В документации к plotly предлагаются параметры zmin и zmax, которые должны решить проблему. Но если задействовать аргументы zmin=0 и zmax=1 в тепловой карте с надписями, то значительная часть этих надписей сольётся с заливкой клеточек. Очень надеюсь на скорое исправление этого бага разработчиками plotly. Однако, если у кого-то из вас уже появилась идея обхода проблемы - пишите.

---

Want to back this issue? Post a bounty on it! We accept bounties via Bountysource.

[1000 Genomes] Использовать переколленные датасеты

Сейчас качаются и эксплуатируются 1000 Genomes-данные, которые криво сконвертированы с hg19 на hg38. Из переписки с EBI я выяснил, что в прошлом году у них появились hg38-датасеты, полученные полноценным пайплайном. Но там пока нет rsIDs. Этой проблемой должны были заняться разработчики dbSNP. Короче, надо просто ждать.

---

Want to back this issue? Post a bounty on it! We accept bounties via Bountysource.

[ld_triangle] Тепловые карты квадратной формы

Сейчас строятся диаграммы, близкие к пропорциям современного экрана, т.е. прямоугольные. Кому-то это может показаться неэстетично, а кому-то захочется, чтобы было как в LDmatrix. Планирую сделать выбор между прямоугольной и квадратной формами.

---

Want to back this issue? Post a bounty on it! We accept bounties via Bountysource.

[ld_area] Рационализировать структуру JSON-файлов

Полагаю, надо создавать не список словарей, а словарь таковых с rsID-ключами. Это избавит от необходимости использовать for для доступа к нужному SNP:

if 'rs123' in dct:
        do_smth(dct['rs123']['hg38_pos'])