rightskewed
2017-05-30 14:05:01 UTC
RNA-Seqサンプルには STARを使用しています。 final.out
ログファイルは、一意にマップされた読み取りの割合と、複数の場所
にマップされた読み取りの割合(10以下)およびにマッピングされた読み取りの割合を報告します。 場所が多すぎます
(10より大きい)。ただし、複数の遺伝子座
の部分を個々のカウントに分解したい:2つの場所、3つの場所、4つの場所..10の場所へのマッピングを読み取ります。
NH
タグは STAR
によって使用されているようです。ただし、単純な読み取りカウントアプローチでは、合計読み取りよりも多くの読み取り数が報告されます。
たとえば、私の final.out
は次のようになります。
マッピング速度、1時間あたりの読み取り数百万| 1403.36入力読み取りの数| 53015978平均入力読み取り長| 26一意の読み取り:一意にマップされた読み取り数| 368916一意にマップされた読み取り%| 0.70%マップされた平均の長さ| 26.45スプライスの数:合計| 1057スプライスの数:注釈付き(sjdb)| 0スプライス数:GT / AG | 802スプライス数:GC / AG | 1スプライスの数:AT / AC | 0スプライスの数:非標準| 254ベースあたりの不一致率、%|ベースあたり0.31%の削除率| 0.00%削除平均長さ| 1.45ベースあたりの挿入率| 0.00%挿入平均長さ| 1.00マルチマッピングリード:複数の遺伝子座にマッピングされたリードの数| 45766732読み取りの%が複数の遺伝子座にマッピングされています| 86.33%多すぎる遺伝子座にマッピングされた読み取りの数| 3757890 あまりにも多くの遺伝子座にマッピングされた読み取りの割合| 7.09%マップされていない読み取り:マップされていない読み取りの%:不一致が多すぎます|マップされていない読み取りの0.00 %%:短すぎる|マップされていない読み取りの5.89 %%:その他| 0.00%
pysam
を使用して読み取りがマップされる位置の数のヒストグラムをカウントする:
def get_reads_hist(bam):bam = pysam.AlignmentFile(bam、 'rb')counts = bam.fetch()のクエリのCounter():nh_count = Counter(dict(query.get_tags())['NH'])counts + = nh_count return counts
結果は
Counter({1:330606、2:86772164、3:329、4:38083、5:31、6:1094、7 :129、8:50、10:50})
1
の読み取りカウントは、 finalのカウントと一致しなくても、問題ありません。特定のカテゴリの読み取り(たとえば、
ファイルですが、2つの場所への読み取りマッピングは非常に過大評価されています。なぜですか? tRNA
のみへのマッピング)をカウントしているため、out