שים לב : שיניתי את תשובתי מעט מהמקור שכן הפכתי את התסריט המקורי לתוכנית הניתנת להתקנה pip (עם בדיקות) ועדכנתי את הקישורים ו קטעי קוד בהתאם. מהות התשובה עדיין זהה לחלוטין.

זה משהו שהתכוונתי להסתובב אליו זמן מה, אז תודה על ההנחיה.

אני יצרו תוכנית פיתון בשם fast5seek כדי לעשות את מה (אני חושב) שאתה מחפש.

כפי שציינת זה למטרות חינוכיות אני הוספתי טון של תגובות לקוד, כך שלדעתי לא אמורות להיות לך בעיות בעקבותיו.

המסמכים ב- GitHub repo כוללים את כל המידע, אלה שקוראים בבית

  pip3 מתקינים fast5seekfast5seek -i / path / to / fast5s -r in.fastq in.bam in.sam -o out.txt  

מה שהוא עושה קורא ב- <in.fastq | in.bam | in.sam> וחלץ את מזהה הקריאה מכל כותרת. לאחר מכן הוא עובר בין כל קבצי fast5 תחת / path / to / fast5s ובודק אם מזהה הקריאה שלהם נמצא במערך מזהי הקריאה מ- <in.fastq | in.bam | in.sam> . אם זהו, הנתיב לקובץ נכתב לשורה משלו ב out.txt.

אם לא ניתן פלט ( -o ) , זה יכתוב את הפלט ל- stdout.

אז אם אתה רוצה לצנח את הנתיבים הללו לתוכנית אחרת, אתה יכול לעשות משהו כמו

  mkdir subset_dir / fast5seek -i / נתיב / אל / fast5s / -r in.fastq | xargs cp -t subset_dir /  

הדוגמה שלעיל תעתיק את קבצי fast5 שנמצאים ב- fastq / BAM / SAM שלך ל subset_dir / .

אני עושה זאת בתדירות גבוהה מאוד, ומשתמש בשם הקובץ הנקרא לזיהוי קבצי FAST5 המשויכים לקריאות מסוימות. אם רשומת FASTQ כוללת את מספר הערוץ ומספר הקריאה (ורצוי גם את runID), אז אני משתמש במידע הזה כדי למצוא את קריאת ה- FAST5 המשויכת.

אם קוראים לקרוא עם Albacore, אז ה- לקובץ sequencing_summary.txt יש מידע נוסף. העמודה הראשונה היא השם המדויק של הקובץ שנקרא, העמודה השנייה היא מזהה הקריאה של רצף ה- FASTQ והעמודה השלישית היא מזהה הריצה המשויך לזהות הקריאה. זה הרבה יותר קל לעבוד איתו, אך דורש קריאות קריאה עם אלבקור (וזה, אומנם, מה שמסתמן כרגע בתוצאות הטובות ביותר).