Wprowadzenie do ShortRead

Wprowadzenie do Bioconductor w R

Paula Andrea Martinez, PhD.

Data Scientist

Genomy roślin

Arabidopsis thaliana to niewielka roślina kwitnąca
Pierwsza roślina z sekwencjonowanym genomem
Rozmiar genomu: 135 megapar zasad (Mbp)

Arabidopsis thaliana

Firmy sekwencjonujące

¹ Dan Koboldt massgenomics.org

fastq a fasta

fastq

@ unikalny identyfikator sekwencji

ciąg surowej sekwencji

+ opcjonalne id

kodowanie jakości dla każdej litery sekwencji

fastq, fq

fasta

> unikalny identyfikator sekwencji

ciąg surowej sekwencji

fasta, fa, seq

fasta

library(ShortRead)
# read fasta
fasample <- readFasta(dirPath = "data/", pattern = "fasta")

# print fasample
print(fasample)

class: ShortRead
length: 500 reads; width: 50 cycles

# methods accessors
methods(class = "ShortRead")

# Write a ShortRead object
writeFasta(fasample, file = "data/sample.fasta")

fastq

library(ShortRead)
# read fastq
fqsample <- readFastq(dirPath = "data/", pattern = "fastq")

# print fqsample
fqsample

class: ShortReadQ
length: 500 reads; width: 50 cycles

# methods accessors
methods(class = "ShortReadQ")

# Write a ShortRead object
writeFastq(fqsample, file = "data/sample.fastq.gz")

próbka fastq

library(ShortRead)

# set the seed to draw the same read sequences every time
set.seed(123)

# Subsample of 500 bases
sampler <- FastqSampler("data/SRR1971253.fastq", 500)

# save the yield of 500 read sequences
sample_small <- yield(sampler)

# Class ShortReadQ
class(sample_small)
# length 500 reads
length(sample_small)

Gotowi do działania!

Wprowadzenie do Bioconductor w R