Corresponder e filtrar
Introdução ao Bioconductor em R
Paula Andrea Martinez, PhD.
Data Scientist
Sequências duplicadas
- Duplicatas de sequências biológicas ocorrem na natureza
- Amplificação nas etapas de preparação da biblioteca (PCR)
- Sequenciamento da amostra mais de uma vez
Remova duplicatas ou pelo menos marque-as
- Sequenciamento de genoma completo ou exoma
Marque duplicatas usando um limite
- RNA-seq e ChIP-seq
srduplicated
library(ShortRead)# Contando duplicatas: TRUE é o número de duplicatas table(srduplicated(dfqsample))
FALSE TRUE
500 500
# Limpando leituras de duplicatas x[fun(x)] cleanReads <- mydReads[srduplicated(mydReads) == FALSE]# Contando duplicatas table(srduplicated(cleanReads))
FALSE
500
Criando seus próprios filtros
srFilter para filtrar com base em uma condição x[fun(x)]
Exemplo de filtro
library(ShortRead)# Use um filtro personalizado para remover leituras de fqsample # Este filtro remove leituras mais curtas que um número mínimo de bases readWidthCutOff <- srFilter(function(x) {width(x) >= minWidth}, name = "MinWidth")minWidth <- 51fqsample[readWidthCutOff(fqsample)]
nFilter
library(ShortRead)# salve seu filtro; .name é opcional myFilter <- nFilter(threshold = 10, .name = "cleanNFilter")# use o filtro no ponto de leitura filtered <- readFastq(dirPath = "data", pattern = ".fastq", filter = myFilter) # você vai recuperar apenas leituras com no máximo 10 N's filtered
idFilter e polynFilter
library(ShortRead)# exemplo de filtro por id myFilterID <- idFilter(regex = ":3:1") # retornará apenas os ids que contêm a expressão regular # parâmetros opcionais: .name, fixed e exclude # use o filtro no ponto de leitura filtered <- readFastq(dirPath = "data", pattern = ".fastq", filter = myFilterID)# filtro para remover regiões poli-A myFilterPolyA <- polynFilter(threshold = 10, nuc = c("A")) # retornará sequências com no máximo 10 A's consecutivos# use o filtro para criar um subconjunto filtered[myFilterPolyA(filtered)]
Vamos praticar!
Introdução ao Bioconductor em R
