dnaclust - 云端在线

程序：

您的姓名

dnaclust - 对大量短 DNA 序列进行聚类的程序

概要

脱氧核糖核酸 {-i | - 输入} 入档 [{-s | - 相似} 门槛]
[{-m | --多重对齐}] [{-d | --标题}] [{-l | --允许留有间隙}]
[{-k | --k-mer-长度} 长度] [{-a | --近似过滤器}] [--no-k-mer-过滤器]

脱氧核糖核酸 [{-h | - 帮帮我} | {-v | - 版}]

商品描述

本手册页简要记录了 脱氧核糖核酸 程序。

脱氧核糖核酸 是一种用于聚类大量短 DNA 序列的工具。 集群是
以每个簇的“半径”不超过指定的方式创建
阈。

要聚类的输入序列应采用 Fasta 格式。 每个序列的id是
基于 Fasta 格式中序列的第一个单词。 第一个词是前缀
直到标题中第一次出现空白字符。 这
输出写入 STDOUT。 如果要将输出写入文件，只需重定向
输出（参见示例）。

输出有两种模式：默认的聚类模式，和多个聚类
序列比对。 在聚类模式下（没有多重对齐），每个聚类都会
打印在单独的行上。 该行将包含序列的 ID
簇。 每行的第一个 id 是聚类中心序列 id。 因为路
我们的簇被构建，簇中心序列的长度总是更大
大于或等于簇中任何序列的长度。 请注意，由于
通常一些簇包含很多序列，输出的行可能很长。 如果
你想直观地检查输出，请使用'less -S'，或者一个编辑器
不换行。 可以使用“wc -l”找到集群的数量。

有关多序列比对模式的更多信息，请参阅
--多重对齐 选项。

配置

该程序遵循通常的 GNU 命令行语法，长选项以两个开头
破折号（'-'）。 下面是选项的摘要。

- 相似 门槛, -s 门槛
相似性阈值指定创建的集群的半径。 这个参数
是一个介于 0 和 1 之间的浮点数。它是基于半全局计算的
序列与簇中心序列的比对。 即相似度 = 1 - （编辑
距离）/（较短序列的长度）。 编辑距离为最小数
将序列与簇对齐所需的插入、删除或替换
中心序列。 当相似度更高时，我们的算法会更快。

--k-mer-长度 长度, -k 长度
当您使用 k-mer 过滤器（默认启用）时，您可以指定
用于过滤的 k-mers 的最大长度。

较长的 k-mer 长度需要更多的内存来存储 k-mer 计数和过滤
会更慢。 然而，随着 k-mer 长度的增加，过滤器将更加具体
因此序列比对搜索可能会更快。

过滤和搜索时间之间存在权衡。 如果不指定
k-mer length 选择 log4（输入序列长度的中位数）的值
自动地。 通过使用此选项，您可以覆盖默认值。

但是请记住，更长的 k-mer 长度需要更多的内存来存储
过滤数据结构。

--近似过滤器 , -a
默认情况下，k-mer 过滤器是 100% 敏感的。 这意味着在输出中
聚类，没有两个聚类中心彼此在阈值距离内。
然而，精确的过滤器有点慢。 此选项通过使用加速过滤器
一个启发式。 使用近似滤波器可能会导致聚类中心为
接近，并且总体上有更多的集群。 然而，近似滤波器通常是
比精确的敏感过滤器快几倍。 如果您是，请使用此选项
聚类主要是为了减少数据中的冗余，而不关心
聚类质量。

--允许左间隙 , -l
使用此选项，距离是基于半全局对齐来测量的。 这
半全局对齐允许在较短的两端没有惩罚的间隙
序列。

默认对齐方式是一侧的半全局对齐方式。 即只允许有间隙
在较短序列的右端没有惩罚。 这种行为对应于
来自某个区域（例如 16S 核糖体 RNA 基因）靶向测序的数据。

--多重对齐, -m
设置输出格式以显示每个簇的多序列比对。 这
对齐中的间隙用破折号“-”字符表示。

MSA 输出的格式如下： 每个簇的 MSA 跨越几个
线。 MSA 以包含字符“#”的行开头，后跟数字
该集群中的序列。 对齐的序列（可能包含间隙）如下
Fasta 格式。 每个 Fasta 记录将由两行组成。 标题行和
序列行。 由于每个对齐的序列都在一行上输出，因此输出
可能包含很长的行。 请使用“less -S”，或不换行的编辑器
检查 MSA 的队伍也很长。

--no-k-mer-过滤器
禁用 k-mer 过滤器。 适用于高聚类非常短的序列
相似度阈值。

-d, --标题
编写程序选项以输出。

-h, - 帮帮我
显示选项摘要。

-v, - 版
显示程序版本。

示例

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

使用 onworks.net 服务在线使用 dnaclust