Projet d'analyse bioinformatique d'Alexis NGUYEN (M2 CCB4 - Université de Rouen Normandie)

Ce projet a pour but d'analyser les différences génétiques de plusieurs génomes de variétés de Brassica oleracea :

Les différents génomes sous format fasta étant trop lourds pour être uploadés sur le github, les liens d'accès sont donnés ci-dessous :

Lien google drive du dossier comprenant tous les génomes d'étude :

https://drive.google.com/drive/folders/1o61SW1oh9svc7LyzNNhwCiAi5d91BiOa?usp=sharing

Liens pour chaque génome individuel :

• wild cabbage (W1701) : https://ngdc.cncb.ac.cn/gwh/Assembly/83522/show

• kohlrabi (PL021) : https://ngdc.cncb.ac.cn/gwh/Assembly/83524/show

• Broccoli (06-9-28) : https://ngdc.cncb.ac.cn/gwh/Assembly/83520/show

• kale (07-DH-33) : https://ngdc.cncb.ac.cn/gwh/Assembly/83523/show

• Brussels sprouts (D101) : https://ngdc.cncb.ac.cn/gwh/Assembly/83525/show

• Chinese kale (M249) : https://ngdc.cncb.ac.cn/gwh/Assembly/83516/show

Dossier Github Projet_Pangenome

Le dossier Github Projet_Pangenome comprend :

• Un répertoire data comportant les séquences chromosomiques séparées, sous format fasta pour chaque génome (à titre d'information, à défaut d'avoir les séquences génomiques directement dans le github)

• Un répertoire Scripts_python comportant des fichiers python non-utilisés dans le projet.

• Un carnet Jupyter workflow.ipynb expliquant le fonctionnement des scripts pytonh utilisés et du projet.

• Un répertoire Test_Nextflow reprenant certaines éléments du dossier parent Projet_Pangenome, mais en incluant des scripts Nextflow pour l'intégration des différentes étapes du projet dans un pipeline. (Les fichiers python sont modifiés pour la bonne intégration dans le pipeline)

Pour la bonne réalisation des scripts dans le dossier Projet_Pangenome et du pipeline dans le dossier Test_Nextflow, vérifier les chemins des inputs et des outputs et les modifier si besoin : Le chemin de l'input devrait pointer vers le dossier complet "genomes" comportant les différentes génomiques sous format fasta. (Des modifications seront apportées pour permettre une utilisation plus générale des chemins).

Resultats

Voici un résultat typique obtenu (Chromosome 5): https://drive.google.com/file/d/1jwcx1gf7WMsbg5im4JxlzF2IoCR2bUi4/view?usp=sharing

Pistes d'intérêts pour l'annotation de graphes

GRannot : https://forge.ird.fr/diade/dynadiv/grannot

Alexis NGUYEN bioinformatics analysis project (M2 CCB4 - Université de Rouen Normandie)

This project aims to analyse the genetic differences of several genomes of Brassica oleracea varieties:

The different genomes in fasta format are too heavy to be uploaded on github, access links are given below:

Google drive link of the folder including all study genomes:

https://drive.google.com/drive/folders/1o61SW1oh9svc7LyzNNhwCiAi5d91BiOa?usp=sharing

Links for each individual genome:

• wild cabbage (W1701): https://ngdc.cncb.ac.cn/gwh/Assembly/83522/show

• kohlrabi (PL021): https://ngdc.cncb.ac.cn/gwh/Assembly/83524/show

• Broccoli (06-9-28): https://ngdc.cncb.ac.cn/gwh/Assembly/83520/show

• kale (07-DH-33): https://ngdc.cncb.ac.cn/gwh/Assembly/83523/show

• Brussels sprouts (D101): https://ngdc.cncb.ac.cn/gwh/Assembly/83525/show

• Chinese kale (M249): https://ngdc.cncb.ac.cn/gwh/Assembly/83516/show

Github Projet_Pangenome folder

The Github Projet_Pangenome folder includes:

• A data directory with the separated chromosome sequences, in fasta format for each genome (for information, failing to have the genomic sequences directly in the github)

• A Scripts_python directory containing python files not used in the project.

• A Jupyter notebook workflow.ipynb explaining the operation of the pytonh scripts used and the project.

• A Test_Nextflow directory containing some elements of the parent Projet_Pangenome folder, but including Nextflow scripts for integrating the different stages of the project into a pipeline. (Python files are modified for proper integration in the pipeline)

For the correct execution of the scripts in the Projet_Pangenome folder and the pipeline in the Test_Nextflow folder, check the input and output paths and modify them if necessary: The input path should point to the complete "genomes" folder containing the different genomes in fasta format. (Changes will be made to allow more general use of paths).

Results

The following is a typical result (Chromosome 5): https://drive.google.com/file/d/1jwcx1gf7WMsbg5im4JxlzF2IoCR2bUi4/view?usp=sharing

Citation for PDF

Visualisation of vcf annotations has been with the use of Jbrowse2 software

JBrowse 2: a modular genome browser with views of synteny and structural variation. Genome Biology (2023). https://doi.org/10.1186/s13059-023-02914-z

Transfert d'annotations

GrAnnot est utilisé pour transférer les annotations de fichiers GFF d'un génome de référence à un graphe de pangénome le contenant. https://forge.ird.fr/diade/dynadiv/grannot.git

grannot graph.gfa annotation.gff source_genome -gff

Exemple d'utilisation

Tout d'abord, récupérer les fichiers de séquences génomiques fasta et les ranger dans un dossier "genomes". Utiliser le fichier main.nf Si besoin, modifier les chemins d'accès précisés dans le fichier (extrait ci-dessous) :

params.genomes_dir = '/path_to_/genomes'
params.concat_dir = '/path_to/Test_Nextflow'

Lancer la pipeline nextflow : nextflow run main.nf

Le pipeline permet de d'extraire les séquences chromosomiques et de les concaténer en fonction de leur numéro. Les fichiers fasta obtenus sont ensuités utiliser par PGGB afin de créer un pangénome en graphe.