Cloud Life Sciences は非推奨となり、2025 年 7 月 8 日以降は Google Cloud で使用できなくなります。Cloud Life Sciences のユースケースが Batch でサポートされるようになりました。ワークロードの移行方法については、Batch に移行するをご覧ください。

DeepVariant を実行する

DeepVariant は、ディープニューラルネットワークを使用して次世代 DNA 配列データから遺伝的バリアントをコールする解析用パイプラインです。

このチュートリアルでは、サンプルデータを使用して Google Cloud で DeepVariant を実行する方法について説明します。1 つの Compute Engine インスタンスで DeepVariant を実行します。

目標

このチュートリアルを完了すると、Google Cloud で DeepVariant を実行する方法が分かります。

費用

このドキュメントでは、Google Cloud の次の課金対象のコンポーネントを使用します。

Compute Engine

料金計算ツールを使うと、予想使用量に基づいて費用の見積もりを生成できます。新しい Google Cloud ユーザーは無料トライアルをご利用いただける場合があります。

始める前に

Google Cloud アカウントにログインします。Google Cloud を初めて使用する場合は、アカウントを作成して、実際のシナリオでの Google プロダクトのパフォーマンスを評価してください。新規のお客様には、ワークロードの実行、テスト、デプロイができる無料クレジット $300 分を差し上げます。

Google Cloud Console の [プロジェクトセレクタ] ページで、Google Cloud プロジェクトを選択または作成します。

プロジェクトセレクタに移動

Google Cloud プロジェクトで課金が有効になっていることを確認します。

Compute Engine API を有効にします。

API を有効にする

Google Cloud Console の [プロジェクトセレクタ] ページで、Google Cloud プロジェクトを選択または作成します。

プロジェクトセレクタに移動

Google Cloud プロジェクトで課金が有効になっていることを確認します。

Compute Engine API を有効にします。

API を有効にする

Google Cloud CLI をインストールします。
gcloud CLI を初期化するには:
```
gcloud init
```

ヒント: コマンドプロンプトが必要な場合は、Cloud Shellを使用できます。 Cloud Shell は、Google Cloud CLI がすでに含まれているコマンドライン環境であるため、インストールする必要はありません。

Compute Engine インスタンスを作成する

DeepVariant を実行するため、Google Cloud コンソールや gcloud CLI を使用して Compute Engine インスタンスを作成します。

Console

Google Cloud コンソールで、[VM インスタンス] ページに移動します。
[VM インスタンス] ページに移動
[インスタンスを作成] をクリックします。
インスタンスの名前を PROJECT_ID-deepvariant-run の形式で選択します。PROJECT_ID は Google Cloud プロジェクトの ID です。
インスタンスの [リージョン] と [ゾーン] を選択します。特定の場所でインスタンスを実行する特別な理由がない限り、[リージョン] として us-central1 (Iowa)、[ゾーン] として us-central1-a を選択します。
[マシンタイプ] メニューで、[n1-standard-64 (64 vCPU, 240 GB memory)] を選択します。
[CPU プラットフォーム] メニューで、[Intel Skylake or later] を選択します。
[ブートディスク] で [変更] をクリックし、ブートディスクの構成を始めます。
[公開イメージ] タブで、[Ubuntu 20.04 LTS] を選択します。[ブートディスクの種類] メニューで、[標準の永続ディスク] を選択します。[サイズ（GB）] フィールドで、「300」と入力します。[選択] をクリックします。
[作成] をクリックしてインスタンスを作成します。

gcloud

gcloud compute instances create \
    PROJECT_ID-deepvariant-run \
    --project PROJECT_ID \
    --zone ZONE \
    --scopes "cloud-platform" \
    --image-project ubuntu-os-cloud \
    --image-family ubuntu-2004-lts \
    --machine-type n1-standard-64 \
    --min-cpu-platform "Intel Skylake" \
    --boot-disk-size=300GB

以下を置き換えます。

PROJECT_ID: 実際の Google Cloud プロジェクト ID
ZONE: インスタンスがデプロイされているゾーンです。ゾーンとは、インスタンスとそのリソースが存在するおおよその場所です。たとえば、us-west1-a は us-west リージョン内のゾーンです。以前に gcloud config set compute/zone を使用してデフォルトゾーンを設定した場合は、このフラグの値でデフォルト値がオーバーライドされます。

インスタンスが起動するまで、しばらくお待ちください。準備が完了すると、[VM インスタンス] ページに緑色のステータスアイコン付きで表示されます。

インスタンスに接続する

インスタンスに接続するには、Google Cloud Console または gcloud CLI を使用します。

Console

Google Cloud コンソールで、[VM インスタンス] ページに移動します。
[VM インスタンス] ページに移動
仮想マシンインスタンスのリストで、作成したインスタンスの行の [SSH] をクリックします。

gcloud

gcloud compute ssh PROJECT_ID-deepvariant-run --zone ZONE

DeepVariant を実行する

作成した Compute Engine インスタンスで、環境を構成して DeepVariant を実行します。

Docker Community Edition（CE）をインストールします。

sudo apt-get -qq -y install \
  apt-transport-https \
  ca-certificates \
  curl \
  gnupg-agent \
  software-properties-common
curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-key add -
sudo add-apt-repository \
  "deb [arch=amd64] https://download.docker.com/linux/ubuntu \
  $(lsb_release -cs) \
  stable"
sudo apt-get -qq -y update
sudo apt-get -qq -y install docker-ce

次のコマンドをコピーしてローカル環境に貼り付けることで、DeepVariant 環境変数を構成します。

BIN_VERSION="1.2.0"
BASE="${HOME}/deepvariant-run"
INPUT_DIR="${BASE}/input"
REF="GRCh38_no_alt_analysis_set.fasta"
BAM="HG003.novaseq.pcr-free.35x.dedup.grch38_no_alt.chr20.bam"
OUTPUT_DIR="${BASE}/output"
DATA_DIR="${INPUT_DIR}/data"
OUTPUT_VCF="HG003.output.vcf.gz"
OUTPUT_GVCF="HG003.output.g.vcf.gz"

入力データディレクトリと出力ディレクトリのローカルディレクトリ構造を作成します。
```
mkdir -p "${OUTPUT_DIR}"
mkdir -p "${INPUT_DIR}"
mkdir -p "${DATA_DIR}"
```
このチュートリアルでは、公開されている HG003 ゲノムを、GRCh38 参照にマッピングされている 30x カバレッジで使用します。DeepVariant が 20 番染色体（chr20）でのみ実行されるように、DeepVariant の実行時に、--regions chr20 フラグを追加して、ランタイムを高速化します。

サンプルデータは Illumina シーケンシングを使用して作成されましたが、DeepVariant では以下に挙げる他の種類の入力データもサポートされています。
- 全ゲノム（Illumina）（WGS）
- Exome（Illumina）（WES）
- 全ゲノム（PacBio）
- 全ゲノム PacBio と Illumina ハイブリッド（HYBRID_PACBIO_ILLUMINA）
gsutil cp を実行して、入力テストデータを deepvariant Cloud Storage バケットから、作成したインスタンスのディレクトリにコピーします。
```
# Input BAM and BAI files:
gsutil cp gs://deepvariant/case-study-testdata/"${BAM}" "${DATA_DIR}"
gsutil cp gs://deepvariant/case-study-testdata/"${BAM}".bai "${DATA_DIR}"

# GRCh38 reference FASTA file:
FTPDIR=ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCA/000/001/405/GCA_000001405.15_GRCh38/seqs_for_alignment_pipelines.ucsc_ids
curl ${FTPDIR}/GCA_000001405.15_GRCh38_no_alt_analysis_set.fna.gz | gunzip > "${DATA_DIR}/${REF}"
curl ${FTPDIR}/GCA_000001405.15_GRCh38_no_alt_analysis_set.fna.fai > "${DATA_DIR}/${REF}".fai
```
DeepVariant は、Container Registry 内の事前に構築された Docker イメージでステージングされたコンテナ化アプリケーションです。イメージを pull するには、次のコマンドを実行します。
```
sudo docker pull gcr.io/deepvariant-docker/deepvariant:"${BIN_VERSION}"
```

DeepVariant を起動するには、次のコマンドを実行します。

sudo docker run \
    -v "${DATA_DIR}":"/input" \
    -v "${OUTPUT_DIR}:/output" \
    gcr.io/deepvariant-docker/deepvariant:"${BIN_VERSION}"  \
    /opt/deepvariant/bin/run_deepvariant \
    --model_type=WGS \
    --ref="/input/${REF}" \
    --reads="/input/${BAM}" \
    --output_vcf=/output/${OUTPUT_VCF} \
    --output_gvcf=/output/${OUTPUT_GVCF} \
    --regions chr20 \
    --num_shards=$(nproc) \
    --intermediate_results_dir /output/intermediate_results_dir

次の表に、コマンドに渡されるフラグを示します。

フラグ	説明
`model_type`	DeepVariant では、さまざまな種類の入力データがサポートされます。このチュートリアルでは、全ゲノム配列（WSG）を使用します。
`ref`	参照 FASTA ファイルの場所。
`reads`	入力 BAM ファイルの場所。
`output_vcf`	出力 VCF ファイルの場所。
`output_gvcf`	出力 gVCF ファイルの場所。
`regions`	（オプション）処理する染色体領域のスペース区切りリスト。個々の要素は、`chr20:10-20` または BED/BEDPE ファイルへのパスなど、リージョンのリテラルです。
`num_shards`	並行して実行するシャードの数です。最適な結果を得るには、このフラグの値を、DeepVariant を実行するマシン上のコアの数に設定します。
`intermediate_results_dir`	make_examples ステージと call_variants ステージの中間出力のディレクトリを指定するオプションフラグ。コマンドが完了すると、ファイルは次の形式でローカルディレクトリに保存されます。
`dry_run`	オプションフラグ。true に設定すると、コマンドは実行されずに出力されます。

call_variants_output.tfrecord.gz
gvcf.tfrecord-SHARD_NUMBER-of-NUM_OF_SHARDS.gz
make_examples.tfrecord-SHARD_NUMBER-of-NUM_OF_SHARDS.gz

DeepVariant が終了すると、次のファイルが deepvariant-run/output ディレクトリに出力されます。
- HG003.output.g.vcf.gz
- HG003.output.g.vcf.gz.tbi
- HG003.output.vcf.gz
- HG003.output.vcf.gz.tbi
- HG003.output.visual_report.html
次のコマンドを実行して、出力ディレクトリ内のファイルを一覧表示し、出力ファイルが表示されていることを確認します。
```
ls $OUTPUT_DIR
```

実行時間の推定

次の表に、BAM ファイルで 30 倍の全ゲノムサンプルを使用して DeepVariant を実行した場合の、およそのランタイムを示しています。これらの推定には、インスタンスの設定と Cloud Storage からのサンプルデータのダウンロードに必要な時間は含まれません。

1 時間あたりの料金については、Compute Engine の料金を参照できます。Spot VM の使用を検討してください。これは、通常の VM よりも大幅に低価格です。

マシンタイプ	時間単位のランタイム
n1-standard-8	24.63
n1-standard-16	13.30
n1-standard-32	7.77
n1-standard-64	5.64
n1-standard-96	4.38

クリーンアップ

チュートリアルが終了したら、作成したリソースをクリーンアップして、割り当ての使用を停止し、課金されないようにできます。次のセクションで、リソースを削除または無効にする方法を説明します。

課金をなくす最も簡単な方法は、チュートリアル用に作成したプロジェクトを削除することです。

プロジェクトを削除するには:

注意: プロジェクトを削除すると、次のような影響があります。

プロジェクト内のすべてのものが削除されます。このドキュメントのタスクで既存のプロジェクトを使用した場合、それを削除すると、そのプロジェクトで行った他の作業もすべて削除されます。
カスタムプロジェクト ID が失われます。このプロジェクトを作成したときに、将来使用するカスタムプロジェクト ID を作成した可能性があります。そのプロジェクト ID を使用した URL（たとえば、appspot.com）を保持するには、プロジェクト全体ではなくプロジェクト内の選択したリソースだけを削除します。

複数のアーキテクチャ、チュートリアル、クイックスタートを実施する予定がある場合は、プロジェクトを再利用すると、プロジェクトの割り当て上限を超えないようにすることができます。

Google Cloud コンソールで、[リソースの管理] ページに移動します。
[リソースの管理] に移動
プロジェクトリストで、削除するプロジェクトを選択し、[削除] をクリックします。
ダイアログでプロジェクト ID を入力し、[シャットダウン] をクリックしてプロジェクトを削除します。

次のステップ

DeepVariant GitHub リポジトリには、より複雑な構成があります。たとえば、複数のインスタンスを使用して DeepVariant を実行できます。これらのバリエーションにより、処理速度の改善とコストの削減が実現します。
DeepVariant のオープンソースリリースに関する Google AI のブログ投稿を確認します。
DeepVariant について質問がある場合は、GitHub で問題を報告してください。 Google Cloud についてご不明な点がある場合は、gcp-life-sciences-discuss@googlegroups.com メーリングリストに投稿できます。