bcr-assembler

Секвенируемая V(D)J-последовательность обычно длиннее, чем покрывает пара 150bp ридов, поэтому библиотеку фрагментируют перед секвенированием, и каждый фрагмент читается отдельно с двух концов. Задача проекта — проверить, можно ли после такой фрагментации корректно сшить исходную последовательность обратно, и какие инструменты (TRUST4 и аналоги) делают это надёжно. Для честной проверки нужен known ground truth, поэтому пайплайн сначала строит reference-like baseline из реальных данных, а затем генерирует на его основе синтетические фрагментированные reads с контролируемой правдой.

Симуляция строится по последовательностям после аннотации и фильтрации.

Основная линия

Симуляция: ПЦР1 → порция 5 нг → один случайный разрез → отбор по размеру 250±40 → ПЦР2 → NovaSeq PE150. Ноутбуки основной линии (ветки по умолчанию — …_random_cut_amp_{umicons,ec1x3}_in5ng_rb3x_ss250):

Шаг	Человек results/PRJEB30386/notebooks/	Мышь results/ERP003950/notebooks/
Симуляция	simulate_human_post_annotation_filtered_insilicoseq_150bp_novaseq.ipynb	simulate_mouse_post_annotation_filtered_insilicoseq_150bp_novaseq.ipynb
Валидация симуляции	validate_human_novaseq_post_annotation_filtered.ipynb	validate_mouse_novaseq_post_annotation_filtered.ipynb
Сборка	assemble_{trust4,rnaspades,trinity}_human.ipynb	assemble_{trust4,rnaspades,trinity}_mouse.ipynb
Оценка	benchmark_assemblers_human.ipynb	benchmark_assemblers_mouse.ipynb

Результаты и описание метрик — docs/evaluation_history/run2_base_report.md.

Другие варианты симуляции: simulate_*_pcr1_tails.ipynb — праймеры ПЦР1 с хвостами (адаптеры, UMI) и разбросом эффективности ПЦР1; simulate_*_ultrasonic_fragmentation.ipynb — ультразвуковая фрагментация вместо одного случайного разреза. Другие сборщики: assemble_mixcr_*.ipynb (MiXCR), assemble_vdjer_*.ipynb (V'DJer).

Подготовка данных мыши ERP003950

results/ERP003950/ — ветка с фильтрацией fastp (-q 30 -u 40 -l 250) под каноническим именем датасета.

Шаг	Ноутбук	Инструмент
QC (на всех стадиях)	notebooks/qc.ipynb	FastQC, MultiQC
Adapter trim	adapter_trim_mouse.ipynb	cutadapt, fastp
Primer trim	primer_trim_mouse.ipynb	cutadapt
Merge paired-end reads	presto_mouse.ipynb	pRESTO AssemblePairs.py
Annotation	annotate_mouse.ipynb, annotation_report_mouse.ipynb	IgBLAST
Post-annotation filter	filter_mouse_post_annotation.ipynb	AIRR/sequence filters

Сборка и оценка сборщиков

Сборщики запускаются на PE150 FASTQ симуляций отдельными ноутбуками (ветка симуляции задаётся BCR_BRANCH, число потоков — BCR_THREADS). Нативные результаты и нормализованный contigs.fasta пишутся в <ветка>/assemblers/<сборщик>/<образец>/. Сравнение с эталоном — benchmark_assemblers_{human,mouse}.ipynb (<ветка>/benchmark_unique_trim{20,0}/), отчёт по стадиям симуляции — notebooks/simulation_report.ipynb, история всех оценок — docs/evaluation_history/.

Симуляция: общая схема

post_annotation_filtered truth
    ↓
PCR1
    ↓
fragmentation
    ↓
PCR2
    ↓
read allocation
    ↓
InSilicoSeq
    ↓
PE150 FASTQ

Основная фрагментация — один случайный разрез между нуклеотидами каждой молекулы порции; оба дочерних фрагмента проходят отбор по размеру. Вариант с ультразвуковой фрагментацией — повторные разрывы с вероятностью, зависящей от длины, точка разрыва распределена вокруг середины фрагмента, затем отдельный отбор по размеру.

Окружение

source scripts/setup_env.sh

Собирает bcr_env (fastqc, fastp, cutadapt, multiqc, presto, bowtie2, samtools, insilicoseq, rsync) и регистрирует Jupyter-ядро "BCR Pipeline".

Структура

• notebooks/ — общие ноутбуки (qc.ipynb — FastQC и MultiQC любой стадии, simulation_report.ipynb — отчёт по стадиям симуляции);
• results/<датасет>/notebooks/ — ноутбуки стадий датасета; results/<датасет>/<стадия>/{fastqc,multiqc}/ — отчёты QC стадии;
• results/PRJEB30386/ — человек: подготовка, симуляция, сборка и оценка;
• results/ERP003950/ — мышь: подготовка (fastp), симуляция, сборка и оценка;
• results/PRJEB40348/, results/PRJNA848968/, results/PRJNA900592/, results/PRJNA1226555/ — предобработка других датасетов (человек, лошадь, овца, лёгкие цепи мыши);
• docs/ — отчёты, история оценок, раскладка ноутбуков;
• scripts/ — вспомогательные скрипты (setup_env.sh — окружение, igbrowser/ — R-отчёты igbrowser).