Il s'agit de la commande sumaclust qui peut être exécutée dans le fournisseur d'hébergement gratuit OnWorks en utilisant l'un de nos nombreux postes de travail en ligne gratuits tels que Ubuntu Online, Fedora Online, l'émulateur en ligne Windows ou l'émulateur en ligne MAC OS
PROGRAMME:
Nom
sumaclust - regroupement en étoiles de séquences génétiques
SYNOPSIS
sumaccluste [choix]
DESCRIPTION
Avec le développement du séquençage de nouvelle génération, des outils efficaces sont nécessaires pour gérer
des millions de séquences en un temps raisonnable. Sumaclust est un programme développé par
Le LECA. Sumaclust vise à regrouper les séquences de manière à la fois rapide et précise.
temps. Cet outil a été développé pour s'adapter au type de données générées par l'ADN.
Métabarcodage, c'est-à-dire entièrement séquencés, avec marqueurs courts. Sumaclust regroupe les séquences à l'aide de
le même algorithme de clustering que UCLUST et CD-HIT. Cet algorithme est principalement utile pour
détecter les séquences « erronées » créées lors des protocoles d'amplification et de séquençage,
dérivant de séquences « vraies ».
OPTIONS
-h [A]elp - imprimer aider
-l : La longueur de la séquence de référence est la plus courte.
-L La longueur de la séquence de référence est la plus grande.
-a La longueur de la séquence de référence est la longueur de l'alignement (par défaut).
-n Le score est normalisé par la longueur de la séquence de référence (par défaut).
-r : Score brut, non normalisé.
-d : Le score est exprimé en distance (par défaut : le score est exprimé en similarité).
-t ##.## : Seuil de score pour le clustering. Si le score est normalisé et exprimé en
similarité (par défaut),
c'est une identité, par exemple 0.95 pour une identité de 95 %. Si le score est normalisé et
exprimé en distance, il vaut (1.0 - identité), par exemple 0.05 pour une identité de 95 %.
Si le score n'est pas normalisé et exprimé en similarité, c'est la longueur du
Sous-séquence commune la plus longue. Si le score n'est pas normalisé et exprimé en
La distance est égale à (longueur de référence - longueur LCS). Seules les séquences présentant une similarité
au-dessus de ##.## avec la séquence centrale d'un cluster sont attribués à ce cluster.
Par défaut: 0.97.
-e Option exacte : une séquence est attribuée au cluster avec la séquence centrale
présentant le score de similarité le plus élevé > seuil, par opposition à la valeur par défaut
option « rapide » où une séquence est attribuée au premier cluster trouvé avec un centre
séquence présentant un score > seuil.
-R ## Rapport maximal entre les comptages de deux séquences pour que la moins abondante puisse
être considéré comme une variante de la variante plus abondante. Valeur par défaut : 1.0.
-p ## Multithreading avec ## threads utilisant openMP.
-s ####
Tri par ####. Doit être « Aucun » pour aucun tri, ou une clé dans l'en-tête fasta de
chaque séquence, à l'exception du nombre qui peut être calculé (par défaut : tri par
compter).
-o Le tri s'effectue par ordre croissant (par défaut : décroissant).
-g les n sont remplacés par des a (par défaut : les séquences avec des n sont ignorées).
-B ### La sortie de la table OTU au format BIOM est activée et écrite dans le fichier ###.
-O ### La sortie de la carte OTU (carte d'observation) est activée et écrite dans le fichier ###.
-F ### La sortie au format FASTA est écrite dans le fichier ### au lieu de la sortie standard.
-f La sortie au format FASTA est désactivée.
Argument : l'ensemble de données nucléotidiques à regrouper
Utilisez sumaclust en ligne avec les services onworks.net
