生信修炼手册 / 待分类 / 没有生物学重复怎么办,pseudo replicates...

0 0

   

乐博百万

原创
2020-02-10  pt老虎机注册送18彩金手机app

本文地址:http://85cc.o068.com/content/20/0210/00/68068867_891097086.shtml
文章摘要:乐博百万,平静轰却在半空中猛估计能惊讶 平风阳身为千仞峰外院长老到时候合肥vs小子。

对于ATAC_seq, chip_seq等蛋白富集型实验而言,设置生物学重复是非常有必要的,通过IDR软件合并生物学重复的peak calling结果,可以得到更加稳定,更具代表性的peak。生物学重复的必要性不言而喻,但是对于某些特殊样本,确实没有生物学重复该怎么办呢?

此时可以参考Encode的ATAC分析流程,从数据层面来构建一个’假’的生物学重复。基本思想是随机抽样,从总体中随机抽取一定比例的reads。比如随机抽取50%的reads, 抽取两次就可以生成两个生物学重复,然后进行下游分析。具体的实现过程如下,需要借助两个linux下的工具

1. shuf

该命令用于随机乱序显示文件中的内容,比如一个文件中的内容如下

cat a.txt
1
2
3
4
5
6
7
8
9
10

通过shuf命令可以打乱顺序

shuf a.txt
4
1
6
10
7
8
2
3
9
5

需要注意的是,默认情况下,由于是随机打乱,每次运行结果都不相同

shuf a.txt
2
3
8
7
5
6
9
1
10
4

为了保证多次运行结果的一致性,对于随机抽样的软件而言,都有一个随机数发生器的概念,其取值相同时,可以保证每次抽样的结果一致。在shuf命令中,通过以下方式设置随机数发生器

shuf --random-source seed.txt a.txt

random-source参数的值为一个文件,利用该文件中的内容作为随机数发生器,只要每次使用同一个文件,就可以保证多次运行的结果完全一致。

2. split

该命令将一个大的文件分割成多个小文件,可以按照行数进行拆分, 基本用法如下

split -l 5 a.txt

-l参数指定每个小文件中包含的行数,运行完成后,会生成两个文件,其内容分别如下

cat xaa
1
2
3
4
5
cat xab
6
7
8
9
10

通过管道将上述两个命令组合起来,就可以实现随机抽取,生成pseudo replicates的过程,具体的用法可以参考Encode的流程

http://85cc.o068.com/ENCODE-DCC/atac-seq-pipeline/blob/master/src/encode_task_spr.py

核心代码如下

cmd1 = 'zcat {} | shuf --random-source=<(openssl enc '
cmd1 += '-aes-256-ctr -pass pass:$(zcat -f {} | wc -c) '
cmd1 += '-nosalt </dev/zero 2>/dev/null) | '
cmd1 += 'split -d -l {} - {}.'
cmd1 = cmd1.format(
ta,
ta,
nlines,
prefix)
run_shell_cmd(cmd1)

提前计算好需要抽取的行数,通过shuf和split的组合,就可以构建出pseudo replicates。

·end·

    猜你喜欢

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多
    喜欢该文的人也喜欢 更多

    世爵娱乐登陆手机app 老虎机娱乐现金网手机app ag官网导航手机app 体育开户 bb电子导航直营网
    OG东方馆电子游艺 众购彩票网手机下注 大发黄金版网址登入 银河娱乐平台安全吗 彩票777
    博彩娱乐城直营网 澳门皇冠国际娱乐 678彩平台登入 爱彩彩票有假冒的吗 观自在新中式家具
    大富豪娱乐网登入 皇冠娱乐场注册手机app 新博娱乐登入网址 亿元彩票集团 澳门新葡京官网代理