长读总和 (LongReadSum):一个快速灵活的质量控制和信号总结工具,用于长读测序数据

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.
• 计算生物学 计算生物学

背景情况:

• 目前用于测序数据的质量控制 (QC) 工具主要集中在短读数上,长读数的选择有限.
• 目前的长读质量控制工具缺乏全面的指标,跨平台兼容性 (PacBio,牛津纳米孔,Illumina完整长读),以及对各种数据格式的支持 (ONT POD5,FAST5,PacBio BAM).
• 需要工具可以处理来自像牛津纳米孔PromethION这样的平台的大数据量,并提供特定的见解,如基调信号和甲基化信息.

研究的目的:

• 开发一个快速的,多线程的计算工具,LongReadSum,用于对长读序列数据的全面质量控制.
• 通过支持多个测序平台和数据格式来解决现有工具的局限性.
• 提供先进的QC功能,包括基调信号强度和基调修饰 (甲基化) 分析.

主要方法:

• 开发了LongReadSum作为一个多线程C++应用程序.
• 集成支持主要的长读测序平台 (PacBio,牛津纳米孔,Illumina完整长读) 和数据格式 (ONT POD5,FAST5,PacBio BAM).
• 实施了QC指标,涵盖读取长度,基质,对齐,基调修改和牛津纳米孔基调信号强度.

主要成果:

• LongReadSum为长读序列数据提供快速和全面的QC报告.
• 该工具成功分析了各种数据类型,包括cDNA,直接mRNA,减少表示甲基化测序 (RRMS) 和全基因组测序 (WGS).
• 证明了处理大型数据集的能力,例如由牛津纳米孔PromethION流细胞生成的数据集.

结论:

• LongReadSum有效地解决了对长读序列的强大和高效质量控制的需求.
• 该工具增强了跨各种长期阅读平台和应用程序的数据分析,包括甲基化分析.
• 这为研究人员提供了宝贵的资源,他们从下一代测序技术中处理大规模基因组数据.