Este es el comando bgzip que se puede ejecutar en el proveedor de alojamiento gratuito de OnWorks utilizando una de nuestras múltiples estaciones de trabajo en línea gratuitas, como Ubuntu Online, Fedora Online, emulador en línea de Windows o emulador en línea de MAC OS.
PROGRAMA:
NOMBRE
bgzip - Utilidad de compresión / descompresión de bloques
tabix: indexador genérico para archivos de posición del genoma delimitados por TAB
SINOPSIS
bgzip [-cdhB] [-b Desplazamiento virtual] [-s tamaño] [presentar]
tabix [-0lf] [-p gff | cama | sam | vcf] [-s seqCol] [-b rogarCol] [-e finalCol] [-S Saltar línea] [-c
metachar] en.tab.bgz [region1 [region2 [...]]]
DESCRIPCIÓN
Tabix indexa un archivo de posición del genoma delimitado por TAB en.tab.bgz y crea un archivo de índice (
en.tab.bgz.tbi or en.tab.bgz.csi ) cuando región está ausente de la línea de comandos. La entrada
El archivo de datos debe estar ordenado por posición y comprimido por bgzip que tiene un gzip(1 Me gusta
interfaz. Después de la indexación, tabix puede recuperar rápidamente las líneas de datos superpuestas
regiones especificado en el formato "chr: beginPos-endPos". La recuperación rápida de datos también funciona
red si se proporciona URI como nombre de archivo y, en este caso, se descargará el archivo de índice
si no está presente localmente.
INDEXACIÓN CAMPUS
-0, - basado en cero
Especifique que la posición en el archivo de datos está basada en 0 (por ejemplo, archivos UCSC) en lugar de
que basado en 1.
-B, --empezar INT
Columna de posición cromosómica inicial. [4]
-C, --comentario CHAR
Las líneas de salto comenzaron con el carácter CHAR. [#]
-VS, --csi Las líneas de salto comenzaron con el carácter CHAR. [#]
-mi, --final INT
Columna de posición cromosómica final. La columna final puede ser la misma que la inicial.
columna. [5]
-F, --fuerza
Obligar a sobrescribir el archivo de índice si está presente.
-metro, --min-turnoINT
establecer el tamaño de intervalo mínimo para índices CSI en 2 ^ INT [14]
-pag, --Preestablecido STR
Formato de entrada para indexación. Los valores válidos son: gff, bed, sam, vcf. Esta opción
no debe aplicarse junto con ninguno de los -s, -b, -e, -c y -0; no se usa
para la recuperación de datos porque esta configuración se almacena en el archivo de índice. [gff]
-s, --secuencia INT
Columna de nombre de secuencia. Opción -s, -b, -e, -S, -c y -0 están todos almacenados en el
archivo de índice y, por lo tanto, no se utiliza en la recuperación de datos. [1]
-S, - líneas de salto INT
Omita las primeras líneas INT en el archivo de datos. [0]
CONSULTAS Y OTROS CAMPUS
-h, - encabezado de impresión
Imprima también las líneas de encabezado / meta.
-H, --solo-encabezado
Imprima solo las líneas de encabezado / meta.
-I, --información del archivo
Imprimir información de formato de archivo.
-yo, --lista-cromos
Enumere los nombres de secuencia almacenados en el archivo de índice.
-r, --reencabezado ARCHIVO
Reemplazar el encabezado con el contenido de ARCHIVO
-R, --regiones ARCHIVO
Restringir a las regiones enumeradas en el ARCHIVO. El ARCHIVO puede ser un archivo BED (requiere .bed,
.bed.gz, .bed.bgz extensión de nombre de archivo) o un archivo delimitado por TAB con CHROM, POS,
y, opcionalmente, columnas POS_TO, donde las posiciones se basan en 1 y son inclusivas. Cuando
esta opción está en uso, es posible que el archivo de entrada no esté ordenado. regiones.
-T, --objetivos ARCHIVO
Similar a -R pero toda la entrada se leerá secuencialmente y las regiones no se enumerarán
en ARCHIVO se omitirá.
EJEMPLO
(grep ^ "#" en.gff; grep -v ^ "#" en.gff | ordenar -k1,1 -k4,4n) | bgzip> sorted.gff.gz;
tabix -p gff ordenado.gff.gz;
tabix sorted.gff.gz chr1: 10,000,000-20,000,000;
NOTAS
Es sencillo lograr consultas superpuestas utilizando el índice de árbol B estándar (con o
sin binning) implementado en todas las bases de datos SQL, o el índice de árbol R en PostgreSQL y
Oráculo. Pero todavía hay muchas razones para usar tabix. En primer lugar, tabix trabaja directamente con
una gran cantidad de formatos delimitados por TAB ampliamente utilizados, como GFF / GTF y BED. No necesitamos
diseño de esquema de base de datos o formatos binarios especializados. No es necesario duplicar los datos en
diferentes formatos, tampoco. En segundo lugar, tabix funciona en archivos de datos comprimidos mientras que la mayoría de SQL
las bases de datos no. La anotación GTF de GenCode se puede comprimir hasta un 4%. En tercer lugar, tabix
es rápido. Se sabe que el mismo algoritmo de indexación funciona de manera eficiente para una alineación con un
pocos miles de millones de lecturas cortas. Las bases de datos SQL probablemente no puedan manejar datos fácilmente a esta escala.
Por último, pero no menos importante, tabix admite la recuperación de datos remota. Uno puede poner el archivo de datos
y el índice en un servidor FTP o HTTP, y otros usuarios o incluso servicios web podrán
para obtener una porción sin descargar el archivo completo.
Utilice bgzip en línea utilizando los servicios de onworks.net
