मिलान और फ़िल्टर

R में Bioconductor परिचय

Paula Andrea Martinez, PhD.

Data Scientist

डुप्लिकेट सीक्वेंस

जैविक सीक्वेंस की डुप्लिकेट प्रकृति में भी मिलती हैं
लाइब्रेरी प्रिपरेशन (PCR) के एम्प्लिफिकेशन से
सैंपल को बार-बार सीक्वेंस करना

डुप्लिकेट हटाएँ या कम से कम मार्क करें

Whole genome sequencing या exome sequencing

थ्रेशोल्ड से डुप्लिकेट मार्क करें

RNA-seq और ChIP-seq

srduplicated

library(ShortRead)

# डुप्लिकेट की गिनती, TRUE डुप्लिकेट की संख्या देता है
table(srduplicated(dfqsample))

FALSE  TRUE 
500   500

# डुप्लिकेट से रीड्स साफ करना x[fun(x)]
cleanReads <- mydReads[srduplicated(mydReads) == FALSE]

# डुप्लिकेट की गिनती
table(srduplicated(cleanReads))

FALSE
500

अपने फ़िल्टर बनाएँ

srFilter से किसी कंडीशन पर फ़िल्टर करें x[fun(x)]

फ़िल्टर उदाहरण

library(ShortRead)

# fqsample से रीड्स हटाने के लिए कस्टम फ़िल्टर
# यह फ़िल्टर min बेस से छोटे रीड्स हटाता है
readWidthCutOff <- srFilter(function(x) {width(x) >= minWidth}, 
                            name = "MinWidth")

minWidth <- 51

fqsample[readWidthCutOff(fqsample)]

nFilter

library(ShortRead)

# अपना फ़िल्टर सेव करें, .name वैकल्पिक है
myFilter <- nFilter(threshold = 10, .name = "cleanNFilter")

# पढ़ते समय फ़िल्टर का उपयोग करें    
filtered <- readFastq(dirPath = "data", 
                      pattern = ".fastq",
                       filter = myFilter)

# आपको केवल वे रीड्स मिलेंगे जिनमें अधिकतम 10 N's हैं
filtered

idFilter और polynFilter

library(ShortRead)

# id फ़िल्टर उदाहरण
myFilterID <- idFilter(regex = ":3:1")
# केवल वे id लौटेंगी जिनमें यह रेगुलर एक्सप्रेशन है

# वैकल्पिक पैरामीटर हैं .name, fixed और exclude
# पढ़ते समय फ़िल्टर का उपयोग करें    
filtered <- readFastq(dirPath = "data", pattern = ".fastq",
                       filter = myFilterID)

# poly-A रीजन हटाने का फ़िल्टर
myFilterPolyA <- polynFilter(threshold = 10, nuc = c("A"))
# वे सीक्वेंस लौटेंगे जिनमें अधिकतम 10 लगातार A's हैं

# सबसेटिंग के लिए फ़िल्टर का उपयोग करें    
filtered[myFilterPolyA(filtered)]

चलो फ़िल्टर का अभ्यास करें!

R में Bioconductor परिचय