bgzip - ക്ലൗഡിൽ ഓൺലൈനിൽ

പട്ടിക:

NAME

bgzip - കംപ്രഷൻ/ഡീകംപ്രഷൻ യൂട്ടിലിറ്റി തടയുക

tabix - TAB-ഡീലിമിറ്റഡ് ജീനോം പൊസിഷൻ ഫയലുകൾക്കുള്ള ജനറിക് ഇൻഡക്‌സർ

സിനോപ്സിസ്

bgzip [-cdhB] [-b വെർച്വൽ ഓഫ്സെറ്റ്] [-s വലുപ്പം] [ഫയല്]

ടാബിക്സ് [-0lf] [-p gff|bed|sam|vcf] [-s seqCol] [-b begCol] [-e endCol] [-S ലൈൻ സ്കിപ്പ്] [-c
മെറ്റാചാർ] in.tab.bgz [മേഖല 1 [മേഖല 2 [...]]]

വിവരണം

ടാബിക്സ് ഒരു TAB-ഡീലിമിറ്റഡ് ജീനോം പൊസിഷൻ ഫയൽ സൂചികയാക്കുന്നു in.tab.bgz ഒരു സൂചിക ഫയൽ സൃഷ്ടിക്കുന്നു (
in.tab.bgz.tbi or in.tab.bgz.csi ) എപ്പോൾ പ്രദേശം കമാൻഡ് ലൈനിൽ ഇല്ല. ഇൻപുട്ട്
ഡാറ്റ ഫയൽ സ്ഥാനം അടുക്കുകയും കംപ്രസ് ചെയ്യുകയും വേണം bgzip അതിന് ഒരു gzip(1) ഇഷ്ടം
ഇന്റർഫേസ്. ഇൻഡെക്‌സ് ചെയ്‌ത ശേഷം, ഓവർലാപ്പുചെയ്യുന്ന ഡാറ്റ ലൈനുകൾ വേഗത്തിൽ വീണ്ടെടുക്കാൻ ടാബിക്‌സിന് കഴിയും
പ്രദേശങ്ങൾ "chr:beginPos-endPos" ഫോർമാറ്റിൽ വ്യക്തമാക്കിയിട്ടുണ്ട്. വേഗത്തിലുള്ള ഡാറ്റ വീണ്ടെടുക്കലും പ്രവർത്തിക്കുന്നു
URI ഒരു ഫയൽ നാമമായി നൽകിയാൽ നെറ്റ്‌വർക്ക്, ഈ സാഹചര്യത്തിൽ സൂചിക ഫയൽ ഡൗൺലോഡ് ചെയ്യപ്പെടും
അത് പ്രാദേശികമായി ഇല്ലെങ്കിൽ.

സൂചികയിലാക്കുന്നു ഓപ്ഷനുകൾ

-0, --പൂജ്യം അടിസ്ഥാനമാക്കിയുള്ളത്
ഡാറ്റ ഫയലിലെ സ്ഥാനം 0-അടിസ്ഥാനമാണെന്ന് വ്യക്തമാക്കുക (ഉദാ. UCSC ഫയലുകൾ).
1-അടിസ്ഥാനത്തേക്കാൾ.

-ബി, --ആരംഭിക്കുന്നു INT
ആരംഭ ക്രോമസോം സ്ഥാനത്തിന്റെ നിര. [4]

-സി, --അഭിപ്രായം ടാങ്ക്
CHAR എന്ന അക്ഷരത്തിൽ ആരംഭിച്ച വരികൾ ഒഴിവാക്കുക. [#]

-സി, --csi CHAR എന്ന അക്ഷരത്തിൽ ആരംഭിച്ച വരികൾ ഒഴിവാക്കുക. [#]

-ഇ, --അവസാനിക്കുന്നു INT
അവസാന ക്രോമസോം സ്ഥാനത്തിന്റെ നിര. അവസാന നിരയും തുടക്കത്തിന് സമാനമായിരിക്കാം
കോളം. [5]

-f, --ശക്തിയാണ്
സൂചിക ഫയൽ ഉണ്ടെങ്കിൽ അത് തിരുത്തിയെഴുതാൻ നിർബന്ധിക്കുക.

-എം, --മിനിറ്റ്-ഷിഫ്റ്റ്INT
CSI സൂചികകൾക്കുള്ള ഏറ്റവും കുറഞ്ഞ ഇടവേള വലുപ്പം 2^INT ആയി സജ്ജമാക്കുക [14]

-പി, --പ്രീസെറ്റ് STR
ഇൻഡക്‌സിംഗിനുള്ള ഇൻപുട്ട് ഫോർമാറ്റ്. സാധുവായ മൂല്യങ്ങൾ ഇവയാണ്: gff, bed, sam, vcf. ഈ ഓപ്ഷൻ
ഏതെങ്കിലും ഒന്നിനൊപ്പം പ്രയോഗിക്കാൻ പാടില്ല -s, -b, -e, -c ഒപ്പം -0; അത് ഉപയോഗിക്കുന്നില്ല
ഈ ക്രമീകരണം ഇൻഡെക്സ് ഫയലിൽ സംഭരിച്ചിരിക്കുന്നതിനാൽ ഡാറ്റ വീണ്ടെടുക്കലിനായി. [gff]

- അതെ, --ക്രമം INT
ക്രമ നാമത്തിന്റെ നിര. ഓപ്ഷൻ -s, -b, -e, -S, -c ഒപ്പം -0 എല്ലാം സൂക്ഷിച്ചിരിക്കുന്നു
ഇൻഡെക്സ് ഫയൽ, അതിനാൽ ഡാറ്റ വീണ്ടെടുക്കലിൽ ഉപയോഗിക്കുന്നില്ല. [1]

-എസ്, --ലൈനുകൾ ഒഴിവാക്കുക INT
ഡാറ്റ ഫയലിലെ ആദ്യ INT വരികൾ ഒഴിവാക്കുക. [0]

ചോദ്യം ചെയ്യുന്നു ഒപ്പം മറ്റുള്ളവ ഓപ്ഷനുകൾ

-h, --പ്രിന്റ്-ഹെഡർ
ഹെഡ്ഡർ/മെറ്റാ ലൈനുകളും പ്രിന്റ് ചെയ്യുക.

-എച്ച്, --മാത്രം-തലക്കെട്ട്
ഹെഡ്ഡർ/മെറ്റാ ലൈനുകൾ മാത്രം പ്രിന്റ് ചെയ്യുക.

-ഞാൻ, --ഫയൽ-വിവരം
ഫയൽ ഫോർമാറ്റ് വിവരങ്ങൾ പ്രിന്റ് ചെയ്യുക.

-എൽ, --ലിസ്റ്റ്-ക്രോംസ്
സൂചിക ഫയലിൽ സംഭരിച്ചിരിക്കുന്ന ക്രമ നാമങ്ങൾ ലിസ്റ്റ് ചെയ്യുക.

-ആർ, --റീഹെഡർ FILE
ഫയലിന്റെ ഉള്ളടക്കം ഉപയോഗിച്ച് തലക്കെട്ട് മാറ്റിസ്ഥാപിക്കുക

-ആർ, --പ്രദേശങ്ങൾ FILE
FILE-ൽ ലിസ്റ്റുചെയ്തിരിക്കുന്ന പ്രദേശങ്ങളിലേക്ക് പരിമിതപ്പെടുത്തുക. FILE BED ഫയൽ ആകാം (.bed ആവശ്യമാണ്,
.bed.gz, .bed.bgz ഫയൽ നെയിം എക്സ്റ്റൻഷൻ) അല്ലെങ്കിൽ CHROM, POS, ഉള്ള ഒരു TAB-ഡീലിമിറ്റഡ് ഫയൽ
കൂടാതെ, ഓപ്‌ഷണലായി, POS_TO നിരകൾ, ഇവിടെ സ്ഥാനങ്ങൾ 1-അടിസ്ഥാനവും ഉൾപ്പെടുന്നതുമാണ്. എപ്പോൾ
ഈ ഓപ്‌ഷൻ ഉപയോഗത്തിലാണ്, ഇൻപുട്ട് ഫയൽ അടുക്കിയേക്കില്ല. പ്രദേശങ്ങൾ.

-ടി, --ലക്ഷ്യങ്ങൾ FILE
സമാനമായ -R എന്നാൽ മുഴുവൻ ഇൻപുട്ടും തുടർച്ചയായി വായിക്കുകയും പ്രദേശങ്ങൾ ലിസ്റ്റുചെയ്യാതിരിക്കുകയും ചെയ്യും
ഫയലിലുള്ളത് ഒഴിവാക്കപ്പെടും.

ഉദാഹരണം

(grep ^"#" in.gff; grep -v ^"#" in.gff | അടുക്കുക -k1,1 -k4,4n) | bgzip > sorted.gff.gz;

tabix -p gff sorted.gff.gz;

ടാബിക്സ് sorted.gff.gz chr1:10,000,000-20,000,000;

കുറിപ്പുകൾ

സ്റ്റാൻഡേർഡ് ബി-ട്രീ സൂചിക ഉപയോഗിച്ച് ഓവർലാപ്പ് അന്വേഷണങ്ങൾ നേടുന്നത് നേരായ കാര്യമാണ് (കൂടാതെ അല്ലെങ്കിൽ
ബിന്നിംഗ് കൂടാതെ) എല്ലാ SQL ഡാറ്റാബേസുകളിലും അല്ലെങ്കിൽ PostgreSQL-ലെ R-ട്രീ സൂചികയിലും നടപ്പിലാക്കി.
ഒറാക്കിൾ. എന്നാൽ ടാബിക്സ് ഉപയോഗിക്കുന്നതിന് ഇപ്പോഴും നിരവധി കാരണങ്ങളുണ്ട്. ഒന്നാമതായി, ടാബിക്സ് നേരിട്ട് പ്രവർത്തിക്കുന്നു
GFF/GTF, BED എന്നിങ്ങനെ വ്യാപകമായി ഉപയോഗിക്കപ്പെടുന്ന TAB-ഡീലിമിറ്റഡ് ഫോർമാറ്റുകൾ. ഞങ്ങൾക്ക് ആവശ്യമില്ല
ഡിസൈൻ ഡാറ്റാബേസ് സ്കീമ അല്ലെങ്കിൽ പ്രത്യേക ബൈനറി ഫോർമാറ്റുകൾ. ഡാറ്റ ഡ്യൂപ്ലിക്കേറ്റ് ചെയ്യേണ്ടതില്ല
വ്യത്യസ്ത ഫോർമാറ്റുകൾ, ഒന്നുകിൽ. രണ്ടാമതായി, മിക്ക SQL-ലും കംപ്രസ് ചെയ്ത ഡാറ്റ ഫയലുകളിൽ ടാബിക്സ് പ്രവർത്തിക്കുന്നു
ഡാറ്റാബേസുകൾ ഇല്ല. GenCode വ്യാഖ്യാന GTF 4% വരെ കംപ്രസ് ചെയ്യാം. മൂന്നാമതായി, ടാബിക്സ്
വേഗതയാണ്. ഒരേ ഇൻഡക്‌സിംഗ് അൽഗോരിതം a-യുമായുള്ള വിന്യാസത്തിനായി കാര്യക്ഷമമായി പ്രവർത്തിക്കുമെന്ന് അറിയപ്പെടുന്നു
ഏതാനും ബില്യൺ ഹ്രസ്വ വായനകൾ. SQL ഡാറ്റാബേസുകൾക്ക് ഈ സ്കെയിലിൽ ഡാറ്റ എളുപ്പത്തിൽ കൈകാര്യം ചെയ്യാൻ കഴിയില്ല.
അവസാനത്തേത് എന്നാൽ ഏറ്റവും കുറഞ്ഞത്, ടാബിക്സ് റിമോട്ട് ഡാറ്റ വീണ്ടെടുക്കലിനെ പിന്തുണയ്ക്കുന്നു. ഒരാൾക്ക് ഡാറ്റ ഫയൽ ഇടാം
ഒരു FTP അല്ലെങ്കിൽ HTTP സെർവറിലെ സൂചികയും മറ്റ് ഉപയോക്താക്കൾക്കും അല്ലെങ്കിൽ വെബ് സേവനങ്ങൾക്കും പോലും കഴിയും
മുഴുവൻ ഫയലും ഡൗൺലോഡ് ചെയ്യാതെ ഒരു സ്ലൈസ് ലഭിക്കാൻ.

onworks.net സേവനങ്ങൾ ഉപയോഗിച്ച് ഓൺലൈനായി bgzip ഉപയോഗിക്കുക