ÉRTESÍTÉS : Kicsit megváltoztattam a válaszomat az eredetitől, mivel az eredeti szkriptet pip telepíthető programká alakítottam (tesztekkel), és frissítettem a linkeket és kódrészleteket ennek megfelelően. A válasz lényege továbbra is teljesen ugyanaz.

Ezt már egy ideje értem, hogy megkerüljem, ezért köszönöm a felszólítást.

I létrehozott egy Python programot fast5seek néven annak érdekében, hogy azt tegye, amire (gondolom) kíváncsi.

Amint említetted, ez oktatási célokra szolgál I rengeteg megjegyzést fűztek a kódhoz is, ezért úgy gondolom, hogy semmilyen problémája nem lehet a követése során.

A GitHub repo dokumentumaiban minden információ megtalálható, de otthon olvasók

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

Mit csinál, olvassa el a <in.fastq | in.bam | in.sam> fájlban, és vonja ki az olvasási azonosítót az egyes fejlécekből. Ezután végigmegy az összes fast5 fájlon a / path / to / fast5s alatt, és ellenőrzi, hogy az olvasási azonosítójuk szerepel-e a <in.fastq | in.bam | in.sam> olvasott azonosítók halmazában. . Ha igen, akkor a fájl elérési útját a saját sorába írja a out.txt.

Ha nincs megadva kimenet ( -o ) , kiírja a kimenetet az stdout fájlba.

Tehát, ha ezeket az útvonalakat egy másik programba akarta csempészni, akkor valami olyat tehet, mint:

  mkdir subset_dir / fast5seek -i / path / to / fast5s / -r in.fastq | xargs cp -t subset_dir /  

A fenti példa a fastq / BAM / SAM fájlban található fast5 fájlokat másolja a subset_dir / fájlba.

Ezt nagyon gyakran teszem, az olvasott fájlnév segítségével azonosítom az egyes olvasásokhoz társított FAST5 fájlokat. Ha egy FASTQ rekord tartalmazza a csatorna számát és az olvasási számot (és lehetőleg a runID-t is), akkor ezeket az információkat felhasználom a társított FAST5 olvasás megkeresésére.

Ha az olvasásokat Albacore-szal hívjuk meg, akkor a sequencing_summary.txt fájl további információkat tartalmaz. Az első oszlop a meghívott fájl pontos neve, a második oszlop a FASTQ szekvencia olvasási azonosítója, a harmadik pedig az adott olvasási azonosítóhoz társított futtatási azonosító. Ezzel sokkal könnyebb dolgozni, de az Albacore-szal való olvasás hívása megköveteli (ami igaz, úgy tűnik, hogy jelenleg a legjobb eredményt produkálja).