fastx_barcode_splitter.pl - 云端在线

程序：

您的姓名

fastx_barcode_splitter.pl - FASTX 条码拆分器

商品描述

条形码拆分器，由 Assaf Gordon ([电子邮件保护]), 11 年 2008 月 XNUMX 日

该程序读取 FASTA/FASTQ 文件并将其拆分为几个较小的文件，基于
条码匹配。 FASTA/FASTQ 数据从 STDIN 读取（格式是自动检测的。）输出
文件将写入磁盘。 摘要将打印到 STDOUT。

用法：r.pl --bc文件 文件 - 字首 前缀 [--suffix 后缀] [--bol|--eol]

[--不匹配 N] [--精确] [--部分 N] [--帮助] [--安静] [--调试]

参数：

--bc文件 FILE - 条码文件名。 （见下面的解释。） - 字首 前缀 - 文件
字首。 将被添加到输出文件中。 可以使用

指定输出目录。

- 后缀 SUFFIX - 文件后缀（可选）。 可用于指定文件

扩展。

--博尔 - 尝试在序列的开始处匹配条形码。

（生物学家称之为 5' 端，程序员称之为索引 0。）

--停产 - 尝试匹配序列末尾的条形码。

（生物学家称之为 3' 端，程序员称之为 XNUMX' 端
字符串。）注意：其中之一 --博尔, --停产 必须指定，但不能同时指定。

--不匹配 N - 最大。 允许的不匹配数。 默认为 1。 - 精确的 - 相同的
作为'--mismatches 0'。 如果两者 - 精确的 和 --不匹配

指定时，'--exact' 优先。

- 部分的 N - 允许条码部分重叠。 （见下面的解释。）

（默认不是部分匹配）

- 安静的 - 不要在运行结束时打印计数和摘要。

（默认是打印。）

-调试 - 向 STDERR 打印大量无用的调试信息。 - 帮帮我 -
这个有用的帮助屏幕。

示例（假设 's_2_100.txt' 是 FASTQ 文件，'mybarcodes.txt' 是条码文件）：

$猫s_2_100.txt | /build/fastx-toolkit-V6DvdY/fastx-toolkit-0.0.14/debian/fastx-
工具包/usr/bin/fastx_barcode_splitter.pl --bcfile mybarcodes.txt --bol
--不匹配 2 \

- 字首 /tmp/bla_ - 后缀 “。文本”

条码文件格式 ------------------- 条形码文件是简单的文本文件。 每行
应包含一个标识符（条码的描述性名称）和条码本身
(A/C/G/T)，由 TAB 字符分隔。 例子：

#这一行是注释（以“数字”符号开头） BC1 GATCT BC2 ATCGT BC3 GTGAT
BC4 TGTCT

对于每个条码，将创建一个新的 FASTQ 文件（将条码的标识符作为一部分
文件名）。 与条形码匹配的序列将存储在适当的文件中。

运行上面的例子（假设“mybarcodes.txt”包含上面的条形码），将
创建以下文件：

/tmp/bla_BC1.txt /tmp/bla_BC2.txt /tmp/bla_BC3.txt /tmp/bla_BC4.txt
/tmp/bla_unmatched.txt

'unmatched' 文件将包含不匹配任何条形码的所有序列。

条码匹配 ----------------

** 没有部分匹配：

计算 FASTA/Q 序列和条形码之间的不匹配。 条码
与最低的不匹配计数匹配（假设计数小于或等于
'--mismatches N') '获取' 序列。

示例（使用上述条码）： 输入序列：

关贸总协定GTAAAGATAGAAGGAATAAGGTGAAG

匹配 '--bol --不匹配 1'：
GATTTACTATGTAAAGATAGAAGGAATAAGGTGAAG GATCT（1 个不匹配，BC1） ATCGT（4 个不匹配，
BC2) GTGAT（3 个错配，BC3） TGTCT（3 个错配，BC4）

该序列将被归类为“BC1”（它具有最低的不匹配计数）。 如果
'--exact' 或 '--mismatches 0' 被指定，这个序列将被分类为
'unmatched'（因为，虽然 BC1 的不匹配计数最低，但它高于最大值
允许不匹配）。

与“--eol”（行尾）匹配的效果相同，但从另一侧
序列。

** 部分匹配（非常类似于 indel）：

同上，但增加了以下内容：还会检查条形码是否有部分重叠
（允许的非重叠碱基数为“--partial N”）。

示例：输入序列为 ATTTACTATGTAAAGATAGAAGGAATAAGGTGAAG（同上​​，但注意
开头缺少的“G”。）

匹配 （无 部分的 重叠） 驳 BC1 产量 4 不匹配：
ATTTACTATGTAAAGATAGAAGGAATAAGGTGAAG GATCT（4 个不匹配）

局部的 重叠 将 还 尝试 此 以下 匹配：
-ATTTACTATGTAAAGATAGAAGGAATAAGGTGAAG

GATCT（1 不匹配）

注意：评分将缺失的碱基计为错配，因此最终错配计数为 2（1
“真实”不匹配，1 个“缺失碱基”不匹配）。 如果使用 '--mismatches 2' 运行（意思是
最多允许 2 个不匹配） - 此序列将被归类为 BC1。

使用 onworks.net 服务在线使用 fastx_barcode_splitter.pl