จับคู่และกรองข้อมูล

Bioconductor เบื้องต้นใน R

Paula Andrea Martinez, PhD.

Data Scientist

ลำดับที่ซ้ำกัน

ลำดับชีวภาพซ้ำกันเกิดขึ้นได้ตามธรรมชาติ
การขยายสัญญาณจากขั้นตอนการเตรียมไลบรารี (PCR)
การซีเควนซ์ตัวอย่างมากกว่าหนึ่งครั้ง

ลบหรืออย่างน้อยทำเครื่องหมายข้อมูลซ้ำ

Whole genome sequencing หรือ exome sequencing

ทำเครื่องหมายข้อมูลซ้ำโดยใช้ threshold

RNA-seq และ ChIP-seq

srduplicated

library(ShortRead)

# Counting duplicates TRUE is the number of duplicates
table(srduplicated(dfqsample))

FALSE  TRUE 
500   500

# Cleaning reads from duplicates x[fun(x)]
cleanReads <- mydReads[srduplicated(mydReads) == FALSE]

# Counting duplicates
table(srduplicated(cleanReads))

FALSE
500

สร้างฟิลเตอร์เอง

srFilter สำหรับกรองตามเงื่อนไข x[fun(x)]

ตัวอย่างการกรอง

library(ShortRead)

# Use a custom filter to remove reads from fqsample
# This filter to remove reads shorter than a min number of bases
readWidthCutOff <- srFilter(function(x) {width(x) >= minWidth}, 
                            name = "MinWidth")

minWidth <- 51

fqsample[readWidthCutOff(fqsample)]

nFilter

library(ShortRead)

# save your filter, .name is optional
myFilter <- nFilter(threshold = 10, .name = "cleanNFilter")

# use the filter at reading point    
filtered <- readFastq(dirPath = "data", 
                      pattern = ".fastq",
                       filter = myFilter)

# you will retrieve only those reads that have a maximum of 10 N's
filtered

idFilter และ polynFilter

library(ShortRead)

#id filter example
myFilterID <- idFilter(regex = ":3:1")
# will return only those ids that contain the regular expression

# optional parameters are .name, fixed and exclude
# use the filter at reading point    
filtered <- readFastq(dirPath = "data", pattern = ".fastq",
                       filter = myFilterID)

# filter to remove poly-A regions
myFilterPolyA <- polynFilter(threshold = 10, nuc = c("A"))
# will return the sequences that have a maximun number of 10 consecutive A's

# use the filter for subsetting    
filtered[myFilterPolyA(filtered)]

มาฝึกกันเถอะ!

Bioconductor เบื้องต้นใน R