介绍 ShortRead

R 中的 Bioconductor 入门

Paula Andrea Martinez, PhD.

Data Scientist

植物基因组

  • 拟南芥(Arabidopsis thaliana)是小型被子植物
  • 首个完成基因组测序的植物
  • 基因组大小 135 Mbp(百万碱基对)

拟南芥

R 中的 Bioconductor 入门

测序公司

测序仪品牌标识

1 Dan Koboldt massgenomics.org
R 中的 Bioconductor 入门

fastq 与 fasta

fastq

@ 唯一序列标识符

原始序列字符串

+ 可选 ID

每个碱基的质量编码
  • fastq, fq

fasta

> 唯一序列标识符

原始序列字符串

  • fasta, fa, seq
R 中的 Bioconductor 入门

fasta

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

# 打印 fasample print(fasample)
class: ShortRead
length: 500 reads; width: 50 cycles
# 访问器方法
methods(class = "ShortRead")

# 写入 ShortRead 对象 writeFasta(fasample, file = "data/sample.fasta")
R 中的 Bioconductor 入门

fastq

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

# 打印 fqsample fqsample
class: ShortReadQ
length: 500 reads; width: 50 cycles
# 访问器方法
methods(class = "ShortReadQ")

# 写入 ShortRead 对象 writeFastq(fqsample, file = "data/sample.fastq.gz")
R 中的 Bioconductor 入门

fastq 抽样

library(ShortRead)

# 设定种子以每次得到相同的读段 set.seed(123)
# 抽样 500 个碱基 sampler <- FastqSampler("data/SRR1971253.fastq", 500)
# 保存 500 条读段 sample_small <- yield(sampler)
# 类 ShortReadQ class(sample_small) # 长度 500 条读段 length(sample_small)
R 中的 Bioconductor 入门

准备就绪!

R 中的 Bioconductor 入门

Preparing Video For Download...