Genomika: analýza a algoritmy - Cvičení 2

Některé úlohy lze efektivně dělat použitím základních UNIX příkazů.

Formát SAM

Ze souboru L1_ex1.sam s využitím pole FLAG přípravte statistiku:

• počty nemapovaných, unikátně mapovaných, násobně mapovaných sekvencí
• počet přímých (forward) vs. komplementárních (reverse) mapovaných sekvencí
• počet párových sekvencí, kdy jsou obě sekvence mapovány unikátně a ve správné vzájemné orientaci
• liší se zastoupení sekvencí v přímé orientaci vůči referenční sekvenci oproti reverzně komplementární orientaci?

podle pole CIGAR vypočítejte u mapovaných sekvencí: (Pozn.: v případě násobně mapovaných sekvencí použijte pouze primární alignment. Chceme zjistit, jak dobře náš experiment pokrývá referenční sekvenci.)

• celkovou délku hrubých namapovaných sekvencí
• celkovou délku mapovaných částí sekvencí

Formát AGP

• AGP specification.

ze souboru L2_scaffold.agp zjistěte: n

• počet contigů, scafoldů a gapů
• celkovou délku gapů

Data

SAM specifikace

• SAMv1.pdf

Raw reads

• L1_ex1-R1.fq
• L1_ex1-R2.fq

Alignment

• L1_ex1.bam
• L1_ex1.fa
• L1_ex1.qu
• L1_ex1.sam

AGP

• L2_scaffold.agp

Other

• Proteins_DnaA.faa
  
• chr10.fa
  
• chr10.gtf
  
• scaffold.agp
  
• sequence.gb