ipdSummary - ক্লাউডে অনলাইন

কার্যক্রম:

NAME এর

ipdSummary - গতিশীল স্বাক্ষর থেকে DNA বেস-পরিবর্তন সনাক্ত করুন।

বর্ণনাঃ

কাইনেটিক্স টুল জিনোমের প্রতিটি অবস্থানে পর্যবেক্ষণ করা আইপিডি লোড করে এবং সেই আইপিডিগুলির তুলনা করে
অপরিবর্তিত ডিএনএর জন্য প্রত্যাশিত মান, এবং এই পরিসংখ্যানগত পরীক্ষার ফলাফল বের করে।
অপরিবর্তিত ডিএনএর জন্য প্রত্যাশিত আইপিডি মান একটি থেকে আসতে পারে সিলিকোতে নিয়ন্ত্রণ বা একটি
এমপ্লিফাইড নিয়ন্ত্রণ. ইন সিলিকো কন্ট্রোল PacBio দ্বারা প্রশিক্ষিত এবং এর সাথে পাঠানো হয়
প্যাকেজ এটি স্রোতের চারপাশে স্থানীয় ক্রম প্রসঙ্গ ব্যবহার করে আইপিডি ভবিষ্যদ্বাণী করে
অবস্থান একটি পরিবর্ধিত নিয়ন্ত্রণ ডেটাসেট এর সাথে অপরিবর্তিত ডিএনএ সিকোয়েন্স করে তৈরি করা হয়
পরীক্ষার নমুনার মতো একই ক্রম। একটি পরিবর্ধিত নিয়ন্ত্রণ নমুনা সাধারণত দ্বারা উত্পন্ন হয়
মূল নমুনার সম্পূর্ণ-জিনোম পরিবর্ধন।

অদলবদল সনাক্তকরণ
গতিবিদ্যা টুলের মৌলিক মোড প্রতিটি অবস্থানে IPD-এর একটি স্বাধীন তুলনা করে
জিনোম, প্রতিটি স্ট্র্যান্ডের জন্য, এবং CSV এবং GFF-তে বিভিন্ন পরিসংখ্যান নির্গত করে (একটি প্রয়োগ করার পরে
তাত্পর্য ফিল্টার)।

পরিবর্তন শনাক্ত
গতিবিদ্যা টুল এছাড়াও হয়েছে a অদলবদল শনাক্ত মোড যে পারেন পাঠোদ্ধার করা বহু-সাইট আইপিডি
'আঙ্গুলের ছাপ' মধ্যে a হ্রাসপ্রাপ্ত সেট of কল of নির্দিষ্ট পরিবর্তন এই বৈশিষ্ট্য হয়েছে দ্য
অনুসরণ সুবিধা:

একই ভিত্তির উপর ঘটতে থাকা বিভিন্ন পরিবর্তনগুলিকে আলাদা করা যেতে পারে (এর জন্য
উদাহরণ m5C এবং m4C)

· একটি পরিবর্তন থেকে সংকেত একটি পরিসংখ্যানে মিলিত হয়, উন্নতি হয়
সংবেদনশীলতা, অতিরিক্ত শিখর অপসারণ, এবং সঠিকভাবে কল কেন্দ্রীভূত করা

বিকল্প

সঙ্গে এই প্রোগ্রাম কল করুন --help উপলব্ধ বিকল্পগুলি দেখতে।

অ্যালগরিথ

কৃত্রিম নিয়ন্ত্রণ
আইপিডি এবং সিকোয়েন্স প্রেক্ষাপটের মধ্যে সম্পর্কের অধ্যয়নগুলি প্রকাশ করে যে বেশিরভাগই
একটি জিনোম জুড়ে গড় আইপিডির পরিবর্তন একটি 12-বেস সিকোয়েন্স প্রেক্ষাপট থেকে অনুমান করা যেতে পারে
ডিএনএ পলিমারেজের সক্রিয় স্থানকে ঘিরে। প্রাসঙ্গিক প্রেক্ষাপটের সীমানা
উইন্ডো পলিমারেজের সংস্পর্শে ডিএনএ-র উইন্ডোর সাথে মিলে যায়, যেমন দেখা যায়
ডিএনএ/পলিমারেজ স্ফটিক কাঠামো। ডিএনএ পরিবর্তন খোঁজার প্রক্রিয়া সহজ করার জন্য
PacBio ডেটা সহ, টুলটিতে একটি প্রাক-প্রশিক্ষিত লুকআপ টেবিল ম্যাপিং 12-মের ডিএনএ অন্তর্ভুক্ত রয়েছে
C2 রসায়নে পরিলক্ষিত আইপিডি বোঝাতে সিকোয়েন্স।

ফিল্টারিং এবং ছাঁটাই
কাইনেটিক্স টুলস BLASR দ্বারা উত্পন্ন ম্যাপিং QV ব্যবহার করে এবং cmp.h5 ফাইলে সংরক্ষণ করে
আত্মবিশ্বাসের সাথে ম্যাপ করা হয় না যে পড়া উপেক্ষা. ডিফল্ট ন্যূনতম ম্যাপিং QV আবশ্যক
10, বোঝায় যে BLASR আছে 90% আত্মবিশ্বাস যে পড়া সঠিকভাবে ম্যাপ করা হয়েছে। কারণে
PacBio ডেটাতে অন্তর্নিহিত রিডলেন্থের পরিসীমা এটি ব্যবহার করে পরিবর্তন করা যেতে পারে
--mapQvThreshold কমান্ড লাইন আর্গুমেন্ট, অথবা এর জন্য SMRTPportal কনফিগারেশন ডায়ালগের মাধ্যমে
পরিবর্তন সনাক্তকরণ.

PacBio ডেটার কয়েকটি বৈশিষ্ট্য রয়েছে যা অর্জনের জন্য বিশেষ মনোযোগের প্রয়োজন
ভাল পরিবর্তন সনাক্তকরণ কর্মক্ষমতা. kineticsTools মধ্যে প্রান্তিককরণ পরিদর্শন করে
পর্যবেক্ষিত ঘাঁটি এবং রেফারেন্স ক্রম -- একটি IPD পরিমাপ করার জন্য
বিশ্লেষণে অন্তর্ভুক্ত, PacBio রিড সিকোয়েন্স অবশ্যই রেফারেন্স সিকোয়েন্সের সাথে মেলে k
কগনেট বেসের চারপাশে। বর্তমান মডিউলে ট = 1 কিছু অবস্থানে IPD বিতরণ করা হয়
'স্বাভাবিক' অন্তর্ভুক্তকরণ প্রক্রিয়া আইপিডির মধ্যে একটি মিশ্রণ হিসাবে চিন্তা করা হয়, যা সংবেদনশীল
স্থানীয় ক্রম প্রসঙ্গ এবং ডিএনএ পরিবর্তন এবং একটি দূষিত 'বিরতি' প্রক্রিয়া
আইপিডি যার সময়কাল অনেক বেশি (মানে স্বাভাবিকের চেয়ে 10x বেশি), কিন্তু খুব কমই ঘটে
(IPD-এর ~1%)। দ্রষ্টব্য: আমাদের বর্তমান বোঝাপড়া হল যে বিরতিগুলি দরকারী নয়
ডিএনএর মেথিলেশন অবস্থা সম্পর্কে তথ্য, তবে আরও সতর্ক বিশ্লেষণ হতে পারে
নিশ্চিত এছাড়াও নোট করুন যে পরিবর্তনগুলি যা ব্যাপকভাবে প্রায় 1% বৃদ্ধি করে
পর্যবেক্ষিত আইপিডিগুলি বিরতি ইভেন্ট দ্বারা তৈরি করা হয়। ক্যাপিং বিশ্বব্যাপী 99তম আইপিডিগুলি পর্যবেক্ষণ করেছে
পার্সেন্টাইল শক্তিশালী হাইপোথিসিস টেস্টিং থেকে তত্ত্ব দ্বারা অনুপ্রাণিত হয়। কিছু ক্রম প্রসঙ্গ
স্বভাবতই দীর্ঘ আইপিডি থাকতে পারে, সেই প্রেক্ষাপটে খুব বেশি ডেটা ক্যাপিং এড়াতে ক্যাপ
থ্রেশহোল্ড নিম্নরূপ প্রসঙ্গ অনুযায়ী সামঞ্জস্য করা হয়: capThreshold = max(global99,
5*মডেল ভবিষ্যদ্বাণী, শতকরা (আইপিডি পর্যবেক্ষণ, 75))

পরিসংখ্যানসংক্রান্ত পরীক্ষামূলক
আমরা হাইপোথিসিসটি পরীক্ষা করি যে আইপিডিগুলির নমুনায় একটি নির্দিষ্ট অবস্থানে পর্যবেক্ষণ করা হয়েছে একটি
অপরিবর্তিত ডিএনএ-তে একই লোকাসে পর্যবেক্ষণ করা IPD-এর চেয়ে দীর্ঘতর মানে। আমরা যদি উৎপন্ন করে থাকি
একটি সম্পূর্ণ জিনোম পরিবর্ধিত ডেটাসেট, যা ডিএনএ পরিবর্তনগুলিকে সরিয়ে দেয়, আমরা একটি কেস-কন্ট্রোল ব্যবহার করি,
দুই-নমুনা টি-পরীক্ষা। এই টুলটি একটি প্রাক-ক্যালিব্রেটেড 'সিন্থেটিক কন্ট্রোল' মডেলও প্রদান করে
যা একটি 12 বেস সিকোয়েন্স প্রেক্ষাপটে অপরিবর্তিত IPD-এর পূর্বাভাস দেয়। সিন্থেটিক মধ্যে
কন্ট্রোল কেস আমরা একটি এক-নমুনা টি-পরীক্ষা ব্যবহার করি, যাতে ত্রুটির জন্য অ্যাকাউন্টে সামঞ্জস্য করা যায়
সিন্থেটিক নিয়ন্ত্রণ মডেল।

ইনপুটগুলি

aligned_reads.cmp.h5
একটি স্ট্যান্ডার্ড cmp.h5 ফাইলে অ্যালাইনমেন্ট থাকে এবং IPD তথ্য গতিগত ডেটা সরবরাহ করে
পরিবর্তন সনাক্তকরণ সঞ্চালন করতে ব্যবহৃত. একটি SMRTportal কাজের স্ট্যান্ডার্ড cmp.h5 ফাইল
data/aligned_read.cmp.h5.

উল্লেখ ক্রম
সারিবদ্ধকরণ সঞ্চালনের জন্য ব্যবহৃত রেফারেন্স ক্রমটি টুলটির প্রয়োজন। বর্তমানে এই আবশ্যক
একটি SMRTportal রেফারেন্স রিপোজিটরি এন্ট্রির পথের মাধ্যমে সরবরাহ করা হবে।

আউটপুট

পরিবর্তন শনাক্তকরণ টুল উপযুক্ত বিভিন্ন ফর্ম্যাটে ফলাফল প্রদান করে
গভীরভাবে পরিসংখ্যানগত বিশ্লেষণ, দ্রুত রেফারেন্স, এবং ভিজ্যুয়ালাইজেশন টুল দ্বারা comsumption
যেমন PacBio SMRTView। ফলাফল সাধারণত রেফারেন্স অবস্থান দ্বারা সূচিত করা হয় এবং
রেফারেন্স স্ট্র্যান্ড সমস্ত ক্ষেত্রে স্ট্র্যান্ড মান বোঝায় স্ট্র্যান্ড বহন করে
ডিএনএ নমুনায় পরিবর্তন। মনে রাখবেন যে পরিবর্তনের গতিগত প্রভাব
বিপরীত স্ট্র্যান্ডের সাথে সারিবদ্ধ পঠিত ক্রমগুলিতে পর্যবেক্ষণ করা হয়েছে। তাই সারিবদ্ধ পড়া
ইতিবাচক স্ট্র্যান্ড নেতিবাচক স্ট্র্যান্ড এবং ভাইস পরিবর্তন সম্পর্কে তথ্য বহন করে
বিপরীতে, কিন্তু এই টুলকিটে আমরা সর্বদা পুটেটিভ ধারণকারী স্ট্র্যান্ডের প্রতিবেদন করি
পরিবর্তন।

modifications.csv
modifications.csv ফাইলে প্রতিটি (রেফারেন্স পজিশন, স্ট্র্যান্ড) জোড়ার জন্য একটি সারি রয়েছে
যেটি অন্তত x কভারেজ সহ ডেটাসেটে উপস্থিত হয়েছে। x ডিফল্ট 3, কিন্তু হয়
ipdSummary.py-এ '--minCoverage' পতাকার সাথে কনফিগারযোগ্য। রেফারেন্স অবস্থান সূচক হয়
1-ভিত্তিক Gff ফাইলের সাথে সামঞ্জস্যের জন্য R পরিবেশ।

আউটপুট কলাম
সিলিকোতে নিয়ন্ত্রণ মোড

┌────────────────┬──────────────────────────────── ──┐
│কলাম │ বর্ণনা │
├────────────────┼──────────────────────────────── ──┤
│refId │ এই │ এর রেফারেন্স সিকোয়েন্স আইডি
│ │ পর্যবেক্ষণ │
├────────────────┼──────────────────────────────── ──┤
│tpl │ 1-ভিত্তিক টেমপ্লেট অবস্থান │
├────────────────┼──────────────────────────────── ──┤
│স্ট্র্যান্ড │ নেটিভ নমুনা স্ট্র্যান্ড যেখানে │
│ │ গতিবিদ্যা তৈরি হয়েছিল। '0' হল │
│ │ মূল │ এর স্ট্র্যান্ড
│ │ FASTA, '1' হল বিপরীত স্ট্র্যান্ড │
FASTA থেকে │ │ │
├────────────────┼──────────────────────────────── ──┤
│বেস │ এই │ এ কগনেট বেস
রেফারেন্সে │ │ অবস্থান │
├────────────────┼──────────────────────────────── ──┤
│স্কোর │ ফ্রেড-রূপান্তরিত pvalue যা a │
│ │ গতিগত বিচ্যুতি এই │ এ বিদ্যমান
│ │ অবস্থান │
└────────────────┴──────────────────────────────── ──┘

│tMean │ ক্যাপড গড় স্বাভাবিকীকৃত IPD │
│ │ এই অবস্থানে পর্যবেক্ষণ করা হয়েছে │
├────────────────┼──────────────────────────────── ──┤
│tErr │ ক্যাপড স্ট্যান্ডার্ড ত্রুটি │
│ │ স্বাভাবিক আইপিডি এই │ এ পর্যবেক্ষণ করা হয়েছে
│ │ অবস্থান (প্রমিত বিচ্যুতি / │
│ │ sqrt(কভারেজ) │
├────────────────┼──────────────────────────────── ──┤
│মডেল পূর্বাভাস │ স্বাভাবিকীকৃত গড় IPD │ দ্বারা পূর্বাভাসিত
│ │ │ এর জন্য সিন্থেটিক নিয়ন্ত্রণ মডেল
│ │ এই ক্রম প্রসঙ্গ │
├────────────────┼──────────────────────────────── ──┤
│ipdRatio │ tMean / model Prediction │
├────────────────┼──────────────────────────────── ──┤
│কভারেজ │ এই │ এ বৈধ IPD-এর গণনা
│ │ অবস্থান (ফিল্টারিং বিভাগ │ দেখুন
বিস্তারিত জানার জন্য │ │) │
├────────────────┼──────────────────────────────── ──┤
│frac │ │ এর ভগ্নাংশের অনুমান
│ │ অণু যা │ বহন করে
│ │ পরিবর্তন │
├────────────────┼──────────────────────────────── ──┤
│fracLow │ ফ্র্যাকের 2.5% আত্মবিশ্বাস │
│ │ অনুমান │
├────────────────┼──────────────────────────────── ──┤
│fracUpp │ ফ্র্যাকের 97.5% আত্মবিশ্বাস │
│ │ অনুমান │
└────────────────┴──────────────────────────────── ──┘

কেস-নিয়ন্ত্রণ মোড

┌────────────────┬──────────────────────────────── ──┐
│কলাম │ বর্ণনা │
├────────────────┼──────────────────────────────── ──┤
│refId │ এই │ এর রেফারেন্স সিকোয়েন্স আইডি
│ │ পর্যবেক্ষণ │
├────────────────┼──────────────────────────────── ──┤
│tpl │ 1-ভিত্তিক টেমপ্লেট অবস্থান │
├────────────────┼──────────────────────────────── ──┤
│স্ট্র্যান্ড │ নেটিভ নমুনা স্ট্র্যান্ড যেখানে │
│ │ গতিবিদ্যা তৈরি হয়েছিল। '0' হল │
│ │ মূল │ এর স্ট্র্যান্ড
│ │ FASTA, '1' হল বিপরীত স্ট্র্যান্ড │
FASTA থেকে │ │ │
├────────────────┼──────────────────────────────── ──┤
│বেস │ এই │ এ কগনেট বেস
রেফারেন্সে │ │ অবস্থান │
├────────────────┼──────────────────────────────── ──┤
│স্কোর │ ফ্রেড-রূপান্তরিত pvalue যা a │
│ │ গতিগত বিচ্যুতি এই │ এ বিদ্যমান
│ │ অবস্থান │
├────────────────┼──────────────────────────────── ──┤
│caseMean │ স্বাভাবিক কেস IPD-এর গড় │
│ │ এই অবস্থানে পর্যবেক্ষণ করা হয়েছে │
├────────────────┼──────────────────────────────── ──┤
│controlMean │ সাধারন কন্ট্রোল IPDs এর গড় │
│ │ এই অবস্থানে পর্যবেক্ষণ করা হয়েছে │
├────────────────┼──────────────────────────────── ──┤
│caseStd │ কেস IPD-এর আদর্শ বিচ্যুতি │
│ │ এই অবস্থানে পর্যবেক্ষণ করা হয়েছে │
├────────────────┼──────────────────────────────── ──┤
│controlStd │ নিয়ন্ত্রণের মানক বিচ্যুতি │
│ │ আইপিডি এই অবস্থানে পর্যবেক্ষণ করা হয়েছে │
└────────────────┴──────────────────────────────── ──┘

│ipdRatio │ tMean / model Prediction │
├────────────────┼──────────────────────────────── ──┤
│পরীক্ষা পরিসংখ্যান │ টি-পরীক্ষা পরিসংখ্যান │
├────────────────┼──────────────────────────────── ──┤
│কভারেজ │ কেস এবং কন্ট্রোলের গড় │
│ │ কভারেজ │
├────────────────┼──────────────────────────────── ──┤
│কন্ট্রোল কভারেজ │ বৈধ কন্ট্রোল IPD-এর গণনা │ এ
│ │ এই অবস্থান (ফিল্টারিং │ দেখুন
বিস্তারিত জানার জন্য │ │ বিভাগ) │
├────────────────┼──────────────────────────────── ──┤
│কেস কভারেজ │ বৈধ কেস আইপিডি এর গণনা │ এ
│ │ অবস্থান (ফিল্টারিং বিভাগ │ দেখুন
বিস্তারিত জানার জন্য │ │) │
└────────────────┴──────────────────────────────── ──┘

modifications.gff
modifications.gff GFF সংস্করণ 3 স্পেসিফিকেশনের সাথে সঙ্গতিপূর্ণ (-
http://www.sequenceontology.org/gff3.shtml) প্রতিটি টেমপ্লেট অবস্থান / স্ট্র্যান্ড জোড়া যার
p-মান pvalue থ্রেশহোল্ড অতিক্রম করে একটি সারি হিসাবে প্রদর্শিত হয়। টেমপ্লেট অবস্থান 1-ভিত্তিক,
GFF স্পেক অনুযায়ী স্ট্র্যান্ড কলাম সনাক্ত করা স্ট্র্যান্ডকে বোঝায়
পরিবর্তন, যা পরিবর্তন শনাক্ত করতে ব্যবহৃত স্ট্র্যান্ড থেকে বিপরীত স্ট্র্যান্ড। দ্য
GFF আত্মবিশ্বাস কলাম সনাক্তকরণের একটি ফ্রেড-রূপান্তরিত মান।

বিঃদ্রঃ on জিনোম ব্রাউজার সঙ্গতি

modifications.gff ফাইলটি বেশিরভাগ জিনোম ব্রাউজারে সরাসরি কাজ করবে না। আপনি হবে
সম্ভবত GFF ফাইলের একটি অনুলিপি তৈরি করতে হবে এবং থেকে _seqid_ কলামগুলি রূপান্তর করতে হবে৷
সাধারণ 'ref0000x' নামগুলি PacBio দ্বারা তৈরি করা হয়েছে, আসলটিতে উপস্থিত FASTA হেডারগুলিতে
রেফারেন্স FASTA ফাইল। ম্যাপিং টেবিলটি modifications.gff-এর হেডারে লেখা আছে
ফাইল ইন #সিকোয়েন্স-হেডার ট্যাগ. এই সমস্যাটি 1.4 রিলিজে সমাধান করা হবে
গতিবিদ্যা টুল।

GFF ফাইলের অক্জিলিয়ারী ডেটা কলামে অন্যান্য পরিসংখ্যান রয়েছে যা কার্যকর হতে পারে
ডাউনস্ট্রিম বিশ্লেষণ বা ফিল্টারিং। বিশেষ করে কভারেজ লেভেল পড়তে অভ্যস্ত
কল করুন, এবং সাইটটির চারপাশে +/- 20bp ক্রম প্রসঙ্গ।

-
│কলাম │ বর্ণনা │
├───────────┼──────────────────────────
│seqid │ Fasta contig নাম │
├───────────┼──────────────────────────
│ উত্স │ টুলের নাম -- 'kinModCall' │
├───────────┼──────────────────────────
│টাইপ │ পরিবর্তনের ধরন -- │ এ
│ │ সনাক্তকরণ মোড এটি হবে │৷
চিহ্নিত │ এর জন্য │ m6A, m4C, বা m5C
│ │ বেস, বা জেনেরিক ট্যাগ │
│ │ 'পরিবর্তিত_বেস' যদি একটি গতিশীল │
│ │ ইভেন্ট সনাক্ত করা হয়েছে যেটি │ নয়৷
│ │ একটি পরিচিত পরিবর্তনের সাথে মেলে │৷
│ │ স্বাক্ষর │
├───────────┼──────────────────────────
│শুরু করুন │ কনটিগ │-এ পরিবর্তনের অবস্থান
├───────────┼──────────────────────────
│end │ কনটিগ │ এ পরিবর্তন অবস্থান
├───────────┼──────────────────────────
│স্কোর │ ফ্রেড │ এর p-মান রূপান্তরিত
│ │ সনাক্তকরণ - এটি হল │
│ │ একক-সাইট সনাক্তকরণ পি-মান │
├───────────┼──────────────────────────
│স্ট্র্যান্ড │ নমুনা স্ট্র্যান্ড ধারণকারী │
│ │ পরিবর্তন │
└────┒

│ফেজ │ প্রযোজ্য নয় │
├───────────┼──────────────────────────
│ বৈশিষ্ট্য │ বেস │ এর সাথে প্রাসঙ্গিক অতিরিক্ত ক্ষেত্র
│ │ মোড। IPDRatio ঐতিহ্যগত │
│ │ IPDR অনুপাত, প্রসঙ্গ হল │
│ │ রেফারেন্স ক্রম -20bp থেকে │
পরিবর্তনের চারপাশে │ │ +20bp, │
│ │ এবং কভারেজ স্তর হল সংখ্যা │
│ এর পরে ব্যবহৃত IPD পর্যবেক্ষণের │ │
│ │ ম্যাপিং QV ফিল্টারিং এবং │
│ │ নির্ভুলতা ফিল্টারিং। যদি সারি │
│ │ একটি চিহ্নিত │ থেকে ফলাফল
│ │ পরিবর্তন আমরা একটি │ অন্তর্ভুক্ত করি
│ এর সাথে │ identificationQv ট্যাগ
│ │ পরিবর্তন থেকে │
│ │ সনাক্তকরণ পদ্ধতি। │
│ │ সনাক্তকরণ Qv হল │
│ │ ফ্রেড-রূপান্তরিত সম্ভাবনা │
│ │ একটি ভুল শনাক্তকরণ, │ এর জন্য
│ │ ঘাঁটি যা │ হিসাবে চিহ্নিত করা হয়েছিল
│ │ একটি নির্দিষ্ট │ থাকা
│ │ পরিবর্তন। frac, fracLow, │
│ │ fracUp হল আনুমানিক │
│ │ বহনকারী অণুর ভগ্নাংশ │
│ │ পরিবর্তন, এবং 5% │
│ │ │ এর আত্মবিশ্বাসের ব্যবধান
│ │ অনুমান। মিথাইলেড │
│ │ ভগ্নাংশ অনুমান একটি │
│ │ বিটা-স্তরের বৈশিষ্ট্য, এবং উচিত │৷
│ │ শুধুমাত্র অনুসন্ধানমূলক │ এর জন্য ব্যবহার করা হবে
│ │ উদ্দেশ্য। │
└────┒

motifs.gff
যদি মোটিফ ফাইন্ডার টুলটি চালানো হয়, তাহলে এটি motifs.gff তৈরি করবে, যা একটি পুনঃপ্রক্রিয়াজাত সংস্করণ
নিম্নলিখিত পরিবর্তন সহ modifications.gff. যদি একটি সনাক্ত করা পরিবর্তন ঘটে
মোটিফ ফাইন্ডার দ্বারা মোটিফ সনাক্ত করা হয়, পরিবর্তনটি মোটিফ ডেটা দিয়ে টীকা করা হয়। একটি
মোটিফ স্ট্রিং সহ অ্যাট্রিবিউট 'মোটিফ' যোগ করা হয় এবং একটি অ্যাট্রিবিউট 'আইডি' যোগ করা হয়
মোটিফ আইডি ধারণ করে, যা জোড়াবিহীন মোটিফের জন্য মোটিফ স্ট্রিং বা
পেয়ার করা মোটিফের জন্য 'motifString1/motifString2'। যদি জিনোমে একটি মোটিফ উদাহরণ বিদ্যমান থাকে,
কিন্তু modifications.gff-এ সনাক্ত করা হয়নি, motifs.gff-এ একটি এন্ট্রি যোগ করা হয়েছে, যা নির্দেশ করে
সেই মোটিফের উপস্থিতি এবং গতিবিদ্যা যা সেই সাইটে পরিলক্ষিত হয়েছিল।

motif_summary.csv
যদি মোটিফ ফাইন্ডার টুলটি চালানো হয়, motif_summary.csv তৈরি হয়, পরিবর্তিত সারসংক্ষেপ
টুল দ্বারা আবিষ্কৃত মোটিফ. CSV-তে শনাক্ত করা মোটিফ প্রতি একটি সারি রয়েছে, এর সাথে
নিম্নলিখিত কলাম

┌───────────────────┬───────────────────────────── ─────┐
│কলাম │ বর্ণনা │
├───────────────────┼───────────────────────────── ─────┤
│motifString │ সনাক্ত করা মোটিফ ক্রম │
├───────────────────┼───────────────────────────── ─────┤
│centerPos │ এর মোটিফের অবস্থান
│ │ পরিবর্তন (0-ভিত্তিক) │
├───────────────────┼───────────────────────────── ─────┤
│ভগ্নাংশ │ এই │ এর দৃষ্টান্তের ভগ্নাংশ
│ │ │ উপরে QV পরিবর্তন সহ মোটিফ
│ │ QV থ্রেশহোল্ড │
├───────────────────┼───────────────────────────── ─────┤
│nশনাক্ত করা হয়েছে │ এর উদাহরণের সংখ্যা │
│ │ মোটিফ উপরের প্রান্তিক │ সহ
└───────────────────┴───────────────────────────── ─────┘

│nজিনোম │ এর উদাহরণের সংখ্যা │
রেফারেন্স সিকোয়েন্সে │ │ মোটিফ │
├───────────────────┼───────────────────────────── ─────┤
│গ্রুপট্যাগ │ মোটিফ সনাক্তকারী একটি স্ট্রিং │
│ │ গ্রুপিং। জোড়া মোটিফ জন্য এই │
│ │ হল │
│ │ " / ", │
│ │ জোড়াবিহীন মোটিফের জন্য এটি │ সমান
│ │ মোটিফস্ট্রিং │
├───────────────────┼───────────────────────────── ─────┤
│partnerMotifString │ motifString of paired motif │
│ │ (│ সহ মোটিফ
│ │ বিপরীত-পরিপূরক │
│ │ motifString) │
├───────────────────┼───────────────────────────── ─────┤
│মানস্কোর │ সনাক্ত করা │ এর গড় পরিবর্তন Qv
│ │ উদাহরণ │
├───────────────────┼───────────────────────────── ─────┤
│meanIpdRatio │ শনাক্তের গড় IPD অনুপাত │
│ │ উদাহরণ │
├───────────────────┼───────────────────────────── ─────┤
│মান কভারেজ │ গড় কভারেজ সনাক্ত করা │
│ │ উদাহরণ │
├───────────────────┼───────────────────────────── ─────┤
│ অবজেক্টিভস্কোর │ │ এ এই মোটিফের উদ্দেশ্য স্কোর
│ │ মোটিফ ফাইন্ডার অ্যালগরিদম │
└───────────────────┴───────────────────────────── ─────┘

onworks.net পরিষেবা ব্যবহার করে অনলাইনে ipdSummary ব্যবহার করুন