比對與過濾
R 中的 Bioconductor 入門
Paula Andrea Martinez, PhD.
Data Scientist
重複序列
- 生物序列在自然界可能重複
- 建庫過程（PCR）擴增
- 針對同一樣本重複定序
移除或至少標記重複
- 全基因體定序或外顯子定序
以門檻標記重複
- RNA-seq 與 ChIP-seq
srduplicated
library(ShortRead)# 計算重複，TRUE 代表重複的數量 table(srduplicated(dfqsample))
FALSE TRUE
500 500
# 依條件過濾以移除重複 x[fun(x)] cleanReads <- mydReads[srduplicated(mydReads) == FALSE]# 再次計算重複 table(srduplicated(cleanReads))
FALSE
500
建立自訂過濾器
srFilter 依條件過濾：x[fun(x)]
過濾範例
library(ShortRead)# 使用自訂過濾器移除 fqsample 中的 reads # 此過濾器移除短於最小鹼基數的 reads readWidthCutOff <- srFilter(function(x) {width(x) >= minWidth}, name = "MinWidth")minWidth <- 51fqsample[readWidthCutOff(fqsample)]
nFilter
library(ShortRead)# 儲存過濾器，.name 可省略 myFilter <- nFilter(threshold = 10, .name = "cleanNFilter")# 在讀取時套用過濾器 filtered <- readFastq(dirPath = "data", pattern = ".fastq", filter = myFilter) # 只會取回 N 最多 10 個的 reads filtered
idFilter 與 polynFilter
library(ShortRead)# id 過濾範例 myFilterID <- idFilter(regex = ":3:1") # 只回傳含有該正則表達式的 id # 可選參數有 .name、fixed、exclude # 在讀取時套用過濾器 filtered <- readFastq(dirPath = "data", pattern = ".fastq", filter = myFilterID)# 用於移除 poly-A 區段的過濾器 myFilterPolyA <- polynFilter(threshold = 10, nuc = c("A")) # 回傳最多含 10 個連續 A 的序列# 用於子集過濾 filtered[myFilterPolyA(filtered)]
一起來練習吧！
R 中的 Bioconductor 入門
