Chapitre 18. Échantillonneur FASTX : Sous-échantillonnage aléatoire des fichiers de séquences
Les ensembles de données de séquences en génomique et en métagénomique peuvent atteindre une taille impressionnante, nécessitant beaucoup de temps et de ressources informatiques pour être analysés. De nombreux séquenceurs peuvent produire des dizaines de millions de lectures par échantillon, et de nombreuses expériences impliquent des dizaines ou des centaines d'échantillons, chacun avec plusieurs réplicats techniques, ce qui se traduit par des gigaoctets à des téraoctets de données. Réduire la taille des fichiers d'entrée en sous-échantillonnant aléatoirement les séquences permet d'explorer les données plus rapidement. Dans ce chapitre, je montrerai comment utiliser le module Pythonrandom de Python pour sélectionner une partie des lectures dans les fichiers de séquences FASTA/FASTQ.
Tu apprendras :
-
Échantillonnage non déterministe
Pour commencer
Le code et les tests de cet exercice se trouvent dans le répertoire 18_fastx_sampler.Commence par copier la solution d'un programme appelé sampler.py:
$ cd 18_fastx_sampler/ $ cp solution.py sampler.py
Les fichiers d'entrée FASTA pour tester ce programme seront générés par le programme synth.py que tu as écrit au chapitre 17. Si tu n'as pas fini d'écrire ce programme, assure-toi de copier la solution dans ce ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access