Skip to content

Latest commit

 

History

History
100 lines (84 loc) · 8.19 KB

DESCRIPTION.md

File metadata and controls

100 lines (84 loc) · 8.19 KB
Raw

Содержание проекта

Проект состоит из нескольких скриптов, описание каждого из которых будет приведено ниже:

  • Splitting
  • Classification
  • Illumina merge
  • fastq2fasta
  • Heuristics
  • Multialignment
  • HMM

Splitting

Программа получает на вход fasta-файл и выходную директорию, а затем разделяет полученный на вход файл на несколько файлов фиксированной длины. Ключи программы:

  • --in_file (полный путь до входного файла)
  • --out_dir (полный путь до папки, куда скрипт перепишет полученные файлы)
  • --len_spl (длина последовательностей, на которые программа разобъёт входной файл)

Classification

Программа получает на вход файл, а также тип цепи иммуноглобулинов, которые должны лежать в данном файле - LC (light cahin) или HC (heavy chain). Программа для каждой последовательности файла перебирает все шесть типов сбивки рамки считывания - на 0, 1, 2 для каждого из двух прочтений - прямого и обратного. Если программа находит каком-то смещении все четыре FR региона при транслировании последовательности в аминокислоты, то она записывает её в файл good, если 2-3 FR - региона совпали, то отправляет в файл bad, иначе - в файл trash. Ключи программы:

  • --in_file (полный путь до входного файла)
  • --out_dir (полный путь до папки, куда скрипт перепишет полученные файлы)
  • --path_germlines (полный путь до папки с FR - регионами)
  • --is_heavy (1 если обрабатываемый файл содержит LC иначе - 0)

Ниже привожу описание формата выходного файла: ###Файл good Файл содержит 12 столбцов:

  1. seqid — идентификатор последовательности
  2. seq — сама нуклеотидная последовательность
  3. FR1 — предполагаемый исходный FR1
  4. FR2 — предполагаемый исходный FR2
  5. FR3 — предполагаемый исходный FR3
  6. FR4 — предполагаемый исходный FR4
  7. FR1i — пара двух чисел: начало и конец FR1 (в преобразованной АК-последовательности)
  8. FR2i — пара двух чисел: начало и конец FR2 (в преобразованной АК-последовательности)
  9. FR3i — пара двух чисел: начало и конец FR3 (в преобразованной АК-последовательности)
  10. FR4i — пара двух чисел: начало и конец FR4 (в преобразованной АК-последовательности)
  11. shift — сдвиг рамки считывания (после разворота, если разворот осуществляется)
  12. rflag — флаг, указывающий, требуется ли сделать reverse complement от заданной последовательности

###Файл bad Имеет все те же поля, что и файл good, но регионы, не нашедшие в последовательности совпадений имеют вместо названий и индексов символ ".".

###Файл trash Просто содержит массив имён строк, не нашедших в себе хотя бы двух FR регионах при всех шести смещениях.

SplitterIlumina

Программа разделяет файлы "fastq" для дальнейшей работы с ними с помощью программы Illumina merge. Ключи программы:

  • --in1 (полный путь до входного файла 1)
  • --in2 (полный путь до входного файла 2)
  • --out_dir (полный путь до выходной папки)
  • --n (кол-во последовательностей в одном файле)

Illumina merge

Программа сливает два прочтения в обе строны ДНК-последовательности технологией "Illumina". Ключи программы:

  • --dir (полный путь до выходной директории программы SplitterIlumina)
  • --num (номер файла)

fastq2fasta

Программа переводит все fastq файлы входной директории в fasta файлы.

  • --in_dir (полный путь до входной папки)
  • --out_dir (полный путь до выходной папки)

Heuristics

Программа берет файлы из класса bad и разделяет их по двум новым классам new_good и new_bad, в которых будут лежать последовательности в формате csv. На вход нужно подать файл, содержащий класс bad и директории папок, куда программа будет складывать новые разделения.

  • --file_in (полный путь до входного файла, то есть до класса bad)
  • --dir_out_b (полный путь до папки, в которой будут лежать новые new_bad)
  • --dir_out_g (полный путь до папки, в которой будут лежать новые new_good)
  • --file_in_fr (полный путь до папки, где лежат все FR)

Families split

Программа делит файлы на семейства в зависимости от совпадения FR-регионов. Ключи программы:

  • --in_file (полный путь до входного файла, то есть до csv файла)
  • --out_dir (полный путь до выходной директории)
  • --is_good (1 если обрабатываемый файл не содержит пропуски иначе - 0)

Alignment

Программа получает на вход файл семейства формата csv и, фиксируя FR-регионы, производит множественное выравнивание по всем неконстантным строкам. Полученные последовательности программа выводит в fasta-файл. Ключи программы:

  • --in_file (поллный путь до входного csv - файла)
  • --out_file (полный путь до выходного файла)

HMM

Программа берет последовательности из файла bad [fasta] и файла good [fasta], восстанавливает bad последовательности и выдает директорию с восстановленными bad (по одному в каждом файле). Ключи программы:

  • --file_in_good (полный путь до входного файла, то есть до файла good)
  • --file_in_bad (полный путь до входного файла, то есть до файла bad)
  • --dir_out (полный путь до папки, в которой будут лежать воссефновленные bad)