在生物银行规模上使用Zarr的分析准备的VCF
Eric Czech1,2, Timothy R Millar3,4, Will Tyler5
1Open Athena AI Foundation, Lincoln, New Zealand.
bioRxiv : the preprint server for biology
|June 25, 2024
概括
变异调用格式 (VCF) Zarr规范为遗传变异数据存储提供了一个可扩展的解决方案. 这种新格式提高了效率,并降低了分析大型生物库规模数据集的成本.
科学领域:
- 基因组学就是基因组学.
- 生物信息学是一种生物信息学.
- 数据科学数据科学数据科学
背景情况:
- 变异调用格式 (VCF) 是遗传变异数据的标准,但对于大型生物库来说效率低下.
- 对于数百TB的基因组数据来说,VCF的行wise编码不适合.
- 为了有效地分析遗传数据,需要一种更具可扩展性的方法.
研究的目的:
- 介绍VCF Zarr规范,以有效地存储和处理遗传数据.
- 开发用于大规模的VCF到Zarr转换的软件基础设施.
- 展示VCF Zarr. 的性能和成本效益.
主要方法:
- 使用Zarr格式编码VCF数据模型.
- 开发基本的软件基础设施,以进行规模化转换.
- 关于大型人类和非人类基因组数据集的案例研究.
主要成果:
- VCF Zarr 比标准的 VCF 方法更有效.
- 压缩比和单线性能与专业方法相比具有竞争力.
- 通过使用云计算和GPU来实现高性能应用程序的潜力.
结论:
- VCF Zarr解决了大型行编码VCF文件的瓶问题.
- 该规范有可能显著降低存储和加工成本.
- 实现新一代遗传变异分析工具的新生态系统.
更多相关视频
04:58Author Spotlight: Investigating the Role of Repetitive DNA Misregulation in Cancer Initiation and Immunotherapy Resistance
Published on: December 13, 2024
2.3K
11:09An Analytical Tool-box for Comprehensive Biochemical, Structural and Transcriptome Evaluation of Oral Biofilms Mediated by Mutans Streptococci
Published on: January 25, 2011
17.7K
