生信修炼手册 / 待分类 / 没有生物学重复怎么办,pseudo replicates...

0 0

   

没有生物学重复怎么办,pseudo replicates了解一下

原创
2020-02-10  生信修炼...

对于ATAC_seq, chip_seq等蛋白富集型实验而言,设置生物学重复是非常有必要的,通过IDR软件合并生物学重复的peak calling结果,可以得到更加稳定,更具代表性的peak。生物学重复的必要性不言而喻,但是对于某些特殊样本,确实没有生物学重复该怎么办呢?

068876.com_【官方首页】-澳门葡京集团此时可以参考Encode的ATAC分析流程,从数据层面来构建一个’假’的生物学重复。基本思想是随机抽样,从总体中随机抽取一定比例的reads。比如随机抽取50%的reads, 抽取两次就可以生成两个生物学重复,然后进行下游分析。具体的实现过程如下,需要借助两个linux下的工具

1. shuf

该命令用于随机乱序显示文件中的内容,比如一个文件中的内容如下

cat a.txt
1
2
3
4
5
6
7
8
9
10

通过shuf命令可以打乱顺序

shuf a.txt
4
1
6
10
7
8
2
3
9
5

需要注意的是,默认情况下,由于是随机打乱,每次运行结果都不相同

shuf a.txt
2
3
8
7
5
6
9
1
10
4

为了保证多次运行结果的一致性,对于随机抽样的软件而言,都有一个随机数发生器的概念,其取值相同时,可以保证每次抽样的结果一致。在shuf命令中,通过以下方式设置随机数发生器

shuf --random-source seed.txt a.txt

random-source参数的值为一个文件,利用该文件中的内容作为随机数发生器,只要每次使用同一个文件,就可以保证多次运行的结果完全一致。

2. split

该命令将一个大的文件分割成多个小文件,可以按照行数进行拆分, 基本用法如下

split -l 5 a.txt

-l参数指定每个小文件中包含的行数,运行完成后,会生成两个文件,其内容分别如下

cat xaa
1
2
3
4
5
cat xab
6
7
8
9
10

通过管道将上述两个命令组合起来,就可以实现随机抽取,生成pseudo replicates的过程,具体的用法可以参考Encode的流程

http://github.com/ENCODE-DCC/atac-seq-pipeline/blob/master/src/encode_task_spr.py

核心代码如下

cmd1 = 'zcat {} | shuf --random-source=<(openssl enc '
cmd1 += '-aes-256-ctr -pass pass:$(zcat -f {} | wc -c) '
cmd1 += '-nosalt </dev/zero 2>/dev/null) | '
cmd1 += 'split -d -l {} - {}.'
cmd1 = cmd1.format(
ta,
ta,
nlines,
prefix)
run_shell_cmd(cmd1)

提前计算好需要抽取的行数,通过shuf和split的组合,就可以构建出pseudo replicates。

·end·

    猜你喜欢

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多
    喜欢该文的人也喜欢 更多

    页面底部区域 foot.htm