dnaclust - ക്ലൗഡിൽ ഓൺലൈനിൽ

പട്ടിക:

NAME

dnaclust - ധാരാളം ചെറിയ ഡിഎൻഎ സീക്വൻസുകൾ ക്ലസ്റ്റർ ചെയ്യാനുള്ള പ്രോഗ്രാം

സിനോപ്സിസ്

dnaclust {-i | --ഇൻപുട്ട്} infile [{-s | --സാമ്യം} ഉമ്മറം]
[{-m | --ഒന്നിലധികം വിന്യാസം}] [{-d | --തലക്കെട്ട്}] [{-l | --ഇടത് വിടവുകൾ-അനുവദനീയം}]
[{-k | --k-mer-നീളം} നീളം] [{-a | --ഏകദേശ-ഫിൽട്ടർ}] [--no-k-mer-filter]

dnaclust [{-h | --സഹായിക്കൂ} | {-v | --പതിപ്പ്}]

വിവരണം

ഈ മാനുവൽ പേജ് ചുരുക്കത്തിൽ രേഖപ്പെടുത്തുന്നു dnaclust പ്രോഗ്രാം.

dnaclust ചെറിയ ഡിഎൻഎ സീക്വൻസുകളുടെ വലിയൊരു കൂട്ടം കൂട്ടാനുള്ള ഒരു ഉപകരണമാണ്. ക്ലസ്റ്ററുകൾ ആകുന്നു
ഓരോ ക്ലസ്റ്ററുകളുടെയും "റേഡിയസ്" വ്യക്തമാക്കിയതിലും കൂടുതലാകാത്ത വിധത്തിലാണ് സൃഷ്ടിച്ചിരിക്കുന്നത്
ഉമ്മരപ്പടി.

ക്ലസ്റ്റർ ചെയ്യേണ്ട ഇൻപുട്ട് സീക്വൻസുകൾ ഫാസ്റ്റ ഫോർമാറ്റിലായിരിക്കണം. ഓരോ സീക്വൻസിന്റെയും ഐഡി
ഫാസ്റ്റ ഫോർമാറ്റിലുള്ള സീക്വൻസിൻറെ ആദ്യ പദത്തെ അടിസ്ഥാനമാക്കി. ആദ്യ വാക്ക് ഉപസർഗ്ഗമാണ്
ഹെഡറിലെ വൈറ്റ് സ്പേസ് പ്രതീകങ്ങളുടെ ആദ്യ സംഭവം വരെയുള്ള തലക്കെട്ട്. ദി
ഔട്ട്‌പുട്ട് STDOUT-ലേക്ക് എഴുതിയിരിക്കുന്നു. ഔട്ട്‌പുട്ട് ഒരു ഫയലിലേക്ക് എഴുതണമെങ്കിൽ, റീഡയറക്‌ട് ചെയ്‌താൽ മതി
ഔട്ട്പുട്ട് (ഉദാഹരണങ്ങൾ കാണുക).

ഔട്ട്‌പുട്ടിന് രണ്ട് മോഡുകളുണ്ട്: ഡിഫോൾട്ട് ക്ലസ്റ്ററിംഗ് മോഡ്, ഒന്നിലധികം ഉള്ള ക്ലസ്റ്ററിംഗ്
ക്രമ വിന്യാസം. ക്ലസ്റ്ററിംഗ് മോഡിൽ (ഒന്നിലധികം വിന്യാസമില്ലാതെ), ഓരോ ക്ലസ്റ്ററും ചെയ്യും
ഒരു പ്രത്യേക വരിയിൽ അച്ചടിക്കണം. വരിയിൽ സീക്വൻസുകളുടെ ഐഡികൾ അടങ്ങിയിരിക്കും
ക്ലസ്റ്റർ. ഓരോ വരിയിലെയും ആദ്യ ഐഡി ക്ലസ്റ്റർ സെന്റർ സീക്വൻസ് ഐഡിയാണ്. വഴി കാരണം
ഞങ്ങളുടെ ക്ലസ്റ്ററുകൾ നിർമ്മിച്ചിരിക്കുന്നത്, ക്ലസ്റ്റർ സെന്റർ സീക്വൻസിൻറെ ദൈർഘ്യം എപ്പോഴും കൂടുതലാണ്
ക്ലസ്റ്ററിലെ ഏതെങ്കിലും സീക്വൻസുകളുടെ ദൈർഘ്യത്തേക്കാൾ അല്ലെങ്കിൽ തുല്യമാണ്. മുതൽ എന്നത് ദയവായി ശ്രദ്ധിക്കുക
സാധാരണയായി ചില ക്ലസ്റ്ററുകളിൽ നിരവധി സീക്വൻസുകൾ അടങ്ങിയിരിക്കുന്നു, ഔട്ട്പുട്ടിന്റെ വരികൾ വളരെ നീണ്ടതായിരിക്കാം. എങ്കിൽ
നിങ്ങൾക്ക് ഔട്ട്പുട്ട് ദൃശ്യപരമായി പരിശോധിക്കാൻ താൽപ്പര്യമുണ്ട്, ദയവായി 'ലെസ്സ് -എസ്' അല്ലെങ്കിൽ ഒരു എഡിറ്റർ ഉപയോഗിക്കുക
നീണ്ട വരകൾ പൊതിയരുത്. 'wc -l' ഉപയോഗിച്ച് ക്ലസ്റ്ററുകളുടെ എണ്ണം കണ്ടെത്താം.

മൾട്ടിപ്പിൾ സീക്വൻസ് അലൈൻമെന്റ് മോഡിനെക്കുറിച്ചുള്ള കൂടുതൽ വിവരങ്ങൾക്ക്, ഇതിന്റെ വിവരണം കാണുക
--ഒന്നിലധികം വിന്യാസം ഓപ്ഷൻ.

ഓപ്ഷനുകൾ

പ്രോഗ്രാം സാധാരണ ഗ്നു കമാൻഡ് ലൈൻ സിന്റാക്സ് പിന്തുടരുന്നു, രണ്ടിൽ ആരംഭിക്കുന്ന ദൈർഘ്യമേറിയ ഓപ്ഷനുകൾ
ഡാഷുകൾ ('-'). ഓപ്ഷനുകളുടെ ഒരു സംഗ്രഹം ചുവടെ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്.

--സാമ്യം ഉമ്മറം, -s ഉമ്മറം
സമാനത ത്രെഷോൾഡ് സൃഷ്ടിച്ച ക്ലസ്റ്ററുകളുടെ ആരം വ്യക്തമാക്കുന്നു. ഈ പരാമീറ്റർ
0 നും 1 നും ഇടയിലുള്ള ഒരു ഫ്ലോട്ടിംഗ് പോയിന്റ് സംഖ്യയാണ്. സെമി-ഗ്ലോബലിനെ അടിസ്ഥാനമാക്കിയാണ് ഇത് കണക്കാക്കുന്നത്
ക്ലസ്റ്റർ സെന്റർ സീക്വൻസിലേക്കുള്ള ഒരു ശ്രേണിയുടെ വിന്യാസം. അതായത് സമാനത = 1 - (എഡിറ്റ്
ദൂരം) / (ചെറിയ ശ്രേണിയുടെ ദൈർഘ്യം). എഡിറ്റ് ദൂരം ഏറ്റവും കുറഞ്ഞ സംഖ്യയാണ്
ക്ലസ്റ്ററിലേക്ക് ഒരു ക്രമം ക്രമീകരിക്കുന്നതിന് ആവശ്യമായ ഇൻസേർഷനുകൾ, ഇല്ലാതാക്കലുകൾ അല്ലെങ്കിൽ പകരം വയ്ക്കലുകൾ
കേന്ദ്ര ശ്രേണി. സമാനത കൂടുതലായിരിക്കുമ്പോൾ നമ്മുടെ അൽഗോരിതങ്ങൾ വേഗത്തിലാകും.

--k-mer-നീളം നീളം, -k നീളം
നിങ്ങൾ k-mer ഫിൽട്ടർ ഉപയോഗിക്കുമ്പോൾ (ഇത് സ്ഥിരസ്ഥിതിയായി പ്രവർത്തനക്ഷമമാക്കിയിരിക്കുന്നു) നിങ്ങൾക്ക് വ്യക്തമാക്കാം
ഫിൽട്ടറിംഗിനായി ഉപയോഗിക്കുന്ന k-mers-ന്റെ പരമാവധി നീളം.

ദൈർഘ്യമേറിയ k-mer ദൈർഘ്യത്തിന് k-mer എണ്ണവും ഫിൽട്ടറിംഗും സംഭരിക്കുന്നതിന് കൂടുതൽ മെമ്മറി ആവശ്യമാണ്
പതുക്കെയായിരിക്കും. എന്നിരുന്നാലും ദൈർഘ്യമേറിയ k-mer നീളത്തിൽ, ഫിൽട്ടർ കൂടുതൽ വ്യക്തമാകും
അതിനാൽ സീക്വൻസ് അലൈൻമെന്റ് തിരയൽ വേഗത്തിലായേക്കാം.

ഫിൽട്ടറിംഗും തിരയുന്ന സമയവും തമ്മിൽ ഒരു ഇടപാടുണ്ട്. നിങ്ങൾ വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ
k-mer നീളം log4 ന്റെ ഒരു മൂല്യം (ഇൻപുട്ട് സീക്വൻസുകളുടെ ദൈർഘ്യത്തിന്റെ ശരാശരി) തിരഞ്ഞെടുത്തു
ഓട്ടോമാറ്റിയ്ക്കായി. ഈ ഓപ്‌ഷൻ ഉപയോഗിക്കുന്നതിലൂടെ നിങ്ങൾക്ക് സ്ഥിരസ്ഥിതി മൂല്യം അസാധുവാക്കാനാകും.

എന്നിരുന്നാലും, ദൈർഘ്യമേറിയ k-mer ദൈർഘ്യം സംഭരിക്കാൻ കൂടുതൽ മെമ്മറി ആവശ്യമാണെന്ന് ഓർമ്മിക്കുക
ഫിൽട്ടറിംഗ് ഡാറ്റ ഘടനകൾ.

--ഏകദേശ-ഫിൽട്ടർ , -a
ഡിഫോൾട്ടായി k-mer ഫിൽട്ടർ 100 ശതമാനം സെൻസിറ്റീവ് ആണ്. ഇതിനർത്ഥം ഔട്ട്പുട്ടിൽ എന്നാണ്
ക്ലസ്റ്ററിംഗ്, രണ്ട് ക്ലസ്റ്റർ കേന്ദ്രങ്ങൾ പരസ്പരം പരിധിക്കുള്ളിൽ ഇല്ല.
എന്നിരുന്നാലും, കൃത്യമായ ഫിൽട്ടർ കുറച്ച് മന്ദഗതിയിലാണ്. ഈ ഓപ്ഷൻ ഉപയോഗിച്ച് ഫിൽട്ടർ വേഗത്തിലാക്കുന്നു
ഒരു ഹ്യൂറിസ്റ്റിക്. ഏകദേശ ഫിൽട്ടറിന്റെ ഉപയോഗം ക്ലസ്റ്റർ കേന്ദ്രങ്ങളിൽ കലാശിച്ചേക്കാം
അടുത്ത്, മൊത്തത്തിൽ ഒരു വലിയ സംഖ്യ ക്ലസ്റ്ററുകൾ. എന്നിരുന്നാലും ഏകദേശ ഫിൽട്ടർ സാധാരണമാണ്
കൃത്യമായ സെൻസിറ്റീവ് ഫിൽട്ടറിനേക്കാൾ നിരവധി മടങ്ങ് വേഗത. നിങ്ങളാണെങ്കിൽ ഈ ഓപ്ഷൻ ഉപയോഗിക്കുക
ക്ലസ്റ്ററിംഗ് പ്രാഥമികമായി ഡാറ്റയിലെ ആവർത്തനം കുറയ്ക്കുന്നതിനാണ്, അതിനെക്കുറിച്ച് ശ്രദ്ധിക്കരുത്
ക്ലസ്റ്ററിംഗിന്റെ ഗുണനിലവാരം.

--അനുവദിക്കുക-ഇടത്-വിടവുകൾ , -l
ഈ ഓപ്ഷൻ ഉപയോഗിച്ച് ദൂരങ്ങൾ അളക്കുന്നത് സെമി-ഗ്ലോബൽ വിന്യാസത്തെ അടിസ്ഥാനമാക്കിയാണ്. ദി
അർദ്ധ-ആഗോള വിന്യാസം ചെറുതിന്റെ രണ്ടറ്റത്തും പിഴകൂടാതെ വിടവുകൾ അനുവദിക്കുന്നു
ക്രമം.

ഡിഫോൾട്ട് വിന്യാസം ഏകപക്ഷീയമായ സെമി-ഗ്ലോബൽ വിന്യാസമാണ്. അതായത് വിടവുകൾ മാത്രമേ അനുവദിക്കൂ
പിഴകൂടാതെ ചെറിയ ക്രമത്തിന്റെ വലത് അറ്റത്ത്. ഈ സ്വഭാവം യോജിക്കുന്നു
ഒരു പ്രദേശത്തിന്റെ ടാർഗെറ്റഡ് സീക്വനിംഗിൽ നിന്നുള്ള ഡാറ്റ (ഉദാ: 16S റൈബോസോമൽ RNA ജീൻ).

--ഒന്നിലധികം വിന്യാസം, -m
ഓരോ ക്ലസ്റ്ററിന്റെയും മൾട്ടിപ്പിൾ സീക്വൻസ് അലൈൻമെന്റ് കാണിക്കാൻ ഔട്ട്പുട്ട് ഫോർമാറ്റ് സജ്ജമാക്കുക. ദി
അലൈൻമെന്റുകളിലെ വിടവുകൾ ഡാഷ് '-' പ്രതീകം ഉപയോഗിച്ച് പ്രതിനിധീകരിക്കുന്നു.

MSA ഔട്ട്‌പുട്ടിന്റെ ഫോർമാറ്റ് ഇപ്രകാരമാണ്: ഓരോ ക്ലസ്റ്ററിന്റെയും MSA പലതിലും വ്യാപിക്കുന്നു
ലൈനുകൾ. MSA ആരംഭിക്കുന്നത് '#' എന്ന അക്ഷരം ഉൾക്കൊള്ളുന്ന ഒരു വരിയിൽ നിന്നാണ്
ആ ക്ലസ്റ്ററിലെ ക്രമങ്ങൾ. വിന്യസിച്ച സീക്വൻസുകൾ (അതിൽ വിടവുകൾ അടങ്ങിയിരിക്കാം) പിന്തുടരുന്നു
ഫാസ്റ്റ ഫോർമാറ്റ്. ഓരോ ഫാസ്റ്റ റെക്കോർഡും രണ്ട് വരികൾ ഉൾക്കൊള്ളുന്നതാണ്. ഹെഡർ ലൈനും
സീക്വൻസ് ലൈൻ. വിന്യസിച്ചിരിക്കുന്ന ഓരോ ശ്രേണിയും ഒരൊറ്റ വരിയിൽ ഔട്ട്പുട്ട് ആയതിനാൽ, ഔട്ട്പുട്ട്
വളരെ നീണ്ട വരികൾ അടങ്ങിയിരിക്കാം. ദയവായി 'ലെസ്സ് -എസ്' അല്ലെങ്കിൽ പൊതിയാത്ത എഡിറ്റർ ഉപയോഗിക്കുക
എംഎസ്എ പരിശോധിക്കുന്നതിനും നീണ്ട വരികൾ.

--no-k-mer-filter
k-mer ഫിൽട്ടർ പ്രവർത്തനരഹിതമാക്കുന്നു. ഉയരത്തിൽ വളരെ ചെറിയ സീക്വൻസുകൾ ക്ലസ്റ്ററിംഗിന് അനുയോജ്യം
സമാനതയുടെ പരിധി.

-d, --തലക്കെട്ട്
ഔട്ട്പുട്ട് ചെയ്യാൻ പ്രോഗ്രാം ഓപ്ഷനുകൾ എഴുതുക.

-h, --സഹായിക്കൂ
ഓപ്ഷനുകളുടെ സംഗ്രഹം കാണിക്കുക.

-v, --പതിപ്പ്
പ്രോഗ്രാമിന്റെ പതിപ്പ് കാണിക്കുക.

ഉദാഹരണങ്ങൾ

./dnaclust file.fasta -l -s 0.98 -k 3 > ക്ലസ്റ്ററുകൾ

onworks.net സേവനങ്ങൾ ഉപയോഗിച്ച് dnaclust ഓൺലൈനായി ഉപയോഗിക്കുക