axe-demux - 云端在线

程序：

您的姓名

ax - ax 文档

Ax 是一个读取解复用器，在序列读取包含
唯一区分样品的条形码。 Ax 使用基于快速准确的算法
汉明不匹配尝试将测序读取的前缀与
条码集。 Ax 支持组合条形码方案。

内容：

AX 用法

注意:
出于神秘的原因， 斧头 二进制更改为 斧解复用器 版本 0.3.0。
给您带来的不便深表歉意，这是必须的 斧头 可在 Debian 中安装
及其衍生物。 命令行用法没有改变。

Ax 有多种使用模式。 主要区别在于两个备用
条码方案，单一和组合条码。 使用单一条码匹配
当只有第一次读取包含条形码序列时。 组合条码用于以下情况
读取对中的两个读取都包含独立（通常不同）的条形码序列。

为了简洁参考，命令行使用 斧解复用器 转载如下：

用法：
斧头解复用器 [-mzc2pt] -b (-f [-r] | -i) (-F [-R] | -I)
斧解复用器-h
斧解复用器-v

选项：
-m, --mismatch 最大汉明距离不匹配。 [整数，默认 1]
-z, --ziplevel Gzip 压缩级别，或 0 表示纯文本 [int，默认 0]
-c, --combinatorial 使用组合条码匹配。 [标志，默认关闭]
-p, --permissive 不要在条形码不匹配冲突中出错，只匹配
正是为了冲突的条形码。 [标志，默认关闭]
-2, --trim-r2 从 R2 读取以及 R1 中修剪条形码。 [标志，默认关闭]
-b, --barcodes 条码文件。 例如，请参见 --help。 [文件]
-f, --fwd-in 输入正向读取。 [文件]
-F, --fwd-out 输出前向读取前缀。 [文件]
-r, --rev-in 输入反向读取。 [文件]
-R, --rev-out 输出反向读取前缀。 [文件]
-i, --ilfq-in 输入交错配对读取。 [文件]
-I, --ilfq-out 输出交错配对读取前缀。 [文件]
-t, --table-file 输出解复用统计的汇总表到文件。 [文件]
-h, --help 打印此用法以及其他帮助。
-V, --version 打印版本字符串。
-v, --verbose 更详细。 加法，-vv 比-v 更冗长。
-q, --quiet 非常安静。

输入 和 输出
无论何种读取模式，均支持三种输入输出方案：单端读取、
配对读取（单独的 R1 和 R2 文件）和交错配对读取（一个文件，带有 R1
和 R2 作为连续读取）。 如果输入单端reads，则必须输出为
单端读取。 如果读取成对或交错的成对读数，它们可以是
输出为配对读取或交错配对读取。 这适用于两者
成功解复用读取和无法解复用的读取。

-z 标志可用于指定应使用 gzip 压缩输出
压缩。 这 -z flag 接受一个介于 0（默认值）和 9 之间的整数参数，其中 0
表示纯文本输出（打开 模式 "wT")，1-9 表示各自的
应使用压缩级别，其中 1 最快，9 最紧凑。

输出标志应该是用于生成基于输出文件名的前缀
在条形码（或条形码对）的 ID 上。 名称生成如下： 字首 + _ + 条形码
ID + _ + 读 数 + 。延期. 无法读取的输出文件
解复用是 字首 + _ + 不明 + _ + 读 数 + 。延期. 读取数为
除非使用配对读取文件方案，否则省略，并且对于交错输出为“il”。
扩展名为“fastq”； “.gz”被附加到扩展名，如果 -z 标志被使用。

相应 CLI 标志 是：

· -f 和 -F：分别是单端或成对的R1文件输入输出。

· -r 和 -R：配对R2文件输入和输出。

· -i 和 -I：交错成对的输入和输出。

条形码 文件
条形码文件是带有可选标题的制表符分隔文件。 它是强制性的，并且是
始终使用 -b 命令行标志。 确切的格式取决于条形码
模式，并在下面的部分中进一步描述。 如果存在标题，则标题
行必须以任一开头 条码 or 条形码, 否则会被解释为条形码
行，导致解析错误。 任何以“;”开头的行或 '#' 被忽略，允许
根据条形码添加注释。 请确保所使用的软件
生成条形码使用 ASCII 编码，并且不插入字节顺序标记 (BoM) 作为
许多文本编辑器可以默默地使用基于 Unicode 的编码方案。 我建议使用
LibreOffice的 计算 （免费和开源办公套件的一部分）生成条码表；
也可以使用 Microsoft Excel。

不匹配 水平 选择
独立于条码模式， -m flag 用于选择最大允许汉明
读取的前缀和被视为匹配的条形码之间的距离。 作为“变异”
条形码必须是唯一的，汉明距离为 XNUMX 是默认值，因为通常条形码
设计为相差至少两个汉明距离。 可选地，（使用 -p
标志），ax 将允许选择性的不匹配级别，如果观察到冲突，则
条形码只会完全匹配。 这允许人们处理带有条形码的数据集
它们之间没有足够大的距离。

集成的 条形码 模式
单条码模式是默认操作模式。 条形码与读取匹配
一个（以下称为正向读取），条码仅从正向读取中剪裁，
除非 -2 给出了命令行标志，在这种情况下，前缀的长度与
匹配的条码也会从第二次或反向读取中修剪掉。 注意序列
在修整之前不会检查第二次读取。

在单条码模式下，条码文件有两列： 条码 和 ID.

组合式 条形码 模式
组合条码模式通过给出 -c 命令行上的标志。 向前
读取条码与正向读取匹配，反向读取条码匹配
反对反向阅读。 独立选择最优条码，条码
从这两个条形码中选择对。 各自的条形码从两个
读； 这 -2 命令行标志在组合条码模式下无效。

在组合条码模式下，条码文件有三栏： 条码1, 条码2 和
ID. 单个条码可以在正向和反向条码中出现多次，但
条形码对必须是唯一的组合。

分路 统计报表 文件
-t 选项允许将每个样本的读取计数输出到制表符分隔的文件。 这
文件将有一个描述其格式的标题，并包括一行用于非条形码读取。

斧头 匹配 算法

Ax 使用基于最长前缀匹配的算法来匹配可变长度
从每次读取开始，针对一组“变异”条形码。

汉明 距离 匹配
而对于高通量测序中的大多数应用，汉明距离是一个
不赞成公制，通常 HTS 读取条码被设计为容忍
一定程度的汉明不匹配。 鉴于这些序列很短并且通常发生
在reads的5'末端，很少需要考虑插入和删除，并且
有很多错误的读取分配率的增加被错误的风险所抵消
将条形码分配给不正确的样品。 在任何情况下，读取超过 1-2
前几个碱基的测序错误很可能质量很差，并且会
只需在下游质量控制过程中过滤掉即可。

汉明 不匹配 尝试
通常，读取通过计算汉明距离与一组条形码匹配
在条形码和长度为 l 的条形码的读数的前 l 个碱基之间。 这
然后通过记录具有最低汉明的条码来选择“正确”条码
读取距离（竞争匹配）或简单地接受第一个条形码
低于某个阈值的汉明距离。 这些方法都非常
计算成本高，并且精度可能低于我提出的算法。
此外，这些方法的实现很少处理不同长度的条形码
和组合条形码，如果有的话。

Axe 算法的核心是汉明失配尝试的概念。 特里是一个 N 元
N 个字母的树。 在高通量测序读取的情况下，我们有
字母表 AGCT，对应于 DNA 的四个核苷酸，加上 N，用来表示
不明确的碱基调用。 我们不是将每个条形码与每次读取匹配，而是预先计算所有
每个失配级别的允许序列，并将这些存储在逐级尝试中。 为了
例如，为了匹配 2 的汉明距离，我们创建了三个尝试：一个包含所有
条码，逐字逐句和两次尝试，其中汉明距离为 1 和
每个条码分别有2个。 此后，这些尝试被称为 0、1 和
2 毫米尝试，汉明距离（不匹配）为 0、1 和 2。然后，我们找到最长的
在 0mm 树中读取的每个序列中的前缀。 如果这个前缀不是一个有效的叶子
0mm trie，我们在 1mm trie 中找到最长的前缀，依此类推，所有尝试按升序排列
命令。 如果读取的前缀在任何树中都不是完整序列，则读取被分配
到“非条形码”输出文件。

该算法以多种方式确保最佳条码匹配，但速度也非常快。
在不同长度的条形码的情况下，我们确保 最长 可接受
选择给定汉明距离的条码； 假设序列是随机的
条码，使用这种方法错误分配的概率很低。 我们还确保
较短的完美匹配优于较长的不精确匹配，因为我们首先只
考虑没有错误的条形码，然后是 1 个错误，依此类推。 这确保读取
后跟随机序列的条形码恰好不完全匹配更长的
集合中的条形码不会错误地分配给这个较长的条形码。

该算法的速度主要是由于恒定时间匹配算法与
关于要匹配的条码数量。 匹配每次读取所花费的时间是
与条码的长度成正比，对于长度为 l 的条码，最多
需要l + 1 次trie 级别下降才能在trie 中找到一个条目。 由于这个长度是
或多或少恒定且很小，axe 算法的整体复杂度为 O(n) for n
读取，与传统的典型的 n 个读取和 m 个条形码的 O(nm) 相反
匹配算法

· 基因指数

使用 onworks.net 服务在线使用 axe-demux