用泊松二项滤波算法对原始序列读取进行质量滤波
moira的Python项目详细描述
moira
=
使用poisson二项式过滤算法读取质量过滤器原始序列。
moira.py脚本和poisson二项式过滤算法现在在下面的文章中进行了描述：
核酸研究，44（4）：e40。
，可在线访问：http://nar.oxfordjournals.org/content/44/4/e40
一个pip可安装的python包。要安装它，只需在终端运行*pip install moira*。或者，下载并解压发行包并运行*python setup.py install test*
-moira.py包含poisson二项式算法的python实现。它将像这里描述的那样作为一个独立脚本执行。
-bernoullimodule.c包含poisson二项式过滤算法的c实现。它是作为一个python扩展模块编写的，如果编译为一个共享库，它将加快moira.py的速度。编译它的一个示例命令行是：
-nw懔align.pyx包含Neederman Wunsch aligner的cython实现，以便从成对读取加速contig构造。编译它的命令行示例如下：
-仅当不使用pip或setup.py安装脚本时，才需要手动编译c扩展。
-测试可以通过下载分发包（或克隆github存储库）并运行*python setup.py test*来执行。正确的安装应该通过所有测试。如果尚未编译C模块，则将跳过某些测试。请注意，moira.py脚本仍然能够运行，但运行速度较慢。如果程序在您的平台上不起作用（或者一切正常，但您仍有疑问），请随时与我联系：fpusan@gmail.com。
要求：
-要求输入序列（单个或成对）和质量顺序相同。
-要求t序列和质量仅存储在一行中（即>；header\\nsequence\\n>；header2\\nsequence2）。
-需要numpy。
用法：
-从成对读取（fasta+qual）中创建contigs，而不进行质量筛选：
moira.py--forward\u fasta=<；file>；--forward戋qual=<；file>；--reverse戋fasta=<；file>；--reverse戋qual=<；file>；--paired--仅戋contig
-从paired reads（fastq）生成contigs并执行质量过滤，输出结果采用fastq格式：
moira.py--forward戋fastq=<；file>；--reverse戋fastq=<；file>；——成对——一致性——后验——输出格式fastq
——质量过滤器已经装配好contig或单次读取：
moira.py——前验fasta=<；文件>；——前验qual=<；文件>；
-输入文件可以用gzip或bzip2压缩。这将由脚本自动检测。
输出：
-如果正在执行质量控制，则将使用通过质量控制的序列和未通过质量控制的序列生成文件。未通过质量控制的控件的标题中将包含一个简短的报告。e qc.
<；prefix>；.qc.good.fasta
<；prefix>；.qc.good.qual
<；prefix>；.qc.bad.fasta
<；prefix>；.qc.bad.qual
-否则，只生成两个文件。
<；prefix>；.contigs.fasta
<；prefix>；.contigs.qual
-默认前缀是不带扩展名的前向输入名称。库斯汤姆前缀可以用--output_prefix选项指定。
-如果--output_format设置为"fastq"，将生成fastq文件，而不是fasta+qual文件。
-也可以通过--output_compression参数将输出压缩为gzip或bz2格式。
-如果折叠相同的序列，则会生成morsur格式化的名称文件（或us也将生成earch格式的序列头。
-moira.py将替换序列名中的"："以与mothur管道兼容。
参数：
-neederman-wunsch对齐器参数：
--match（默认1）：match score
--gap（d默认值-2）：间隙惩罚
--mismatch（默认值-1）：mismatch惩罚
-contig构造函数参数：
--insert（默认值20）：用于填充互补间隙或歧义的基的质量。
--deltaq（默认值6）：最小质量差异在两个不匹配的基之间允许CE，因为在一致序列中不包含N。
--consusm_qscore（默认为"best"）
-best：在对齐的每个位置上使用最佳质量作为一致质量分数（除非CO在该位置引入歧义NTIG构造函数。在这种情况下，报告的质量分数将始终为2。
-和：在匹配基中，一致性质量分数将是在对齐位置上两次读取的质量的总和。
-后：使用Edgar&Flyvbjerg（2015）方法计算一致性质量岩心。insert和deltaq参数将被忽略。如果两个不匹配的基具有完全相同的质量分数，则会在间隙中引入歧义。在这种情况下，报告的质量分数将始终为2。
--qscore_cap（默认值40）：要报告的最大一致质量分数。更高的共识质量分数将被削减到-qscore_cap的值。将其设置为0将移除上限。
--trim_overlap（默认为false）：将contig修剪到重叠区域。
-质量过滤参数：
--collapse（默认为true）：如果为true，则在质量控制之前将折叠相同的序列，并折叠具有b的序列。EST质量将用作整个组的代表。
--误差计算（默认为"泊松二项"）：用于误差计算的算法。
-泊松二项：计算泊松二项分布（伯努利随机变量之和）。
-泊松：近似将bernoulli随机变量之和转换为poisson分布。
-bootstrap：错误分布的数值生成（已弃用）。
--ambigs（默认值视为错误）：质量检查期间对不明确位置的处理。
-treat为错误：将比amb考虑图像总是导致误读基。
-disallow:将丢弃具有模糊性的序列。
-ignore:将忽略模糊性。
--truncate（默认为none）：在质量控制之前将序列截断为固定长度。丢弃小于该长度的序列。
--min_overlap（默认为none）：丢弃小于指定重叠长度的contigs。如果使用单端读取，将被忽略。
--round：过滤前将预测的错误舍入到最接近的整数。
--uncert（默认值0.01）：由于排序错误，观测序列与原始序列的最大散度。
--maxerrors（无默认值value）：序列中允许的最大错误数。如果指定为参数，则将重写--uncert。
--alpha（默认值0.005）：低估序列实际错误的概率。
--bootstrap（默认值100）：bootstrap方法用于错误计算的每个位置的复制数。
r:
--成对：输入文件是成对的结束文件，将被组合到contigs中。
--仅限_contigs:assemble contigs，不做质量控制。
--relabel（默认为false）：如果引入前缀字符串，将为序列生成顺序标签，格式为<；prefix>；n，其中n=1,2,3…
--output_format（默认为fasta）：
-fasta:以fasta+qual格式输出文件。
-fastq:out以fastq格式输出文件。
--output_prefix：输出文件名的前缀。
--output_compression（默认为none）：应用于输出文件的压缩。可以是"none"、"bz2"或"gzip"。
--pipeline（默认morsur）：
-morsur:折叠序列的输出将采用morsur的fasta+names格式。
-usearch:折叠序列的输出将位于一个fasta文件中，大量信息存储在序列头中。
--fastq-u offset（默认33）：ascii/qscore编码。
--processors（默认值1）：要使用的进程数。
--silent：不打印欢迎、进度和再见消息。仍将打印警告。
注释：
-对齐参数设置为复制Mothur对Needleman Wunsch算法的默认实现。
-还将复制Mothur Make.contig中的"insert"和"deltaq"参数。它们设置为默认值。更多详情请访问www.mothur.org/wiki/make.contigs。只有当--consensus qscore参数设置为"best"或"sum"时，才会应用它们。
-我们现在提供了一个选项，用于计算报告一致性质量分数的后验误差概率，如Edgar&Flyvbjerg（2015）所述。这可以通过添加"-consusment_qscore-recurrent"或"-q-recurrent"标志来实现，如上面的示例所示。虽然这种方法在理论上是合理的，但它只改进了对一些模拟社区样本使用默认的'-q-best'选项获得的结果。
-将伯努利随机变量的和近似为泊松分布比计算其精确和（泊松二项分布）更快。它特别适用于长读（>；500 nt）。也就是说，poisson二项式滤波算法也是用c语言实现的，即使是python实现也足够快或处理大数据集。bootstrap方法是一种计算bernoulli随机变量和的数值算法。它仅用于测试目的。
-质量过滤将丢弃预期有超过"alpha"机会偏离原始序列的contig，该机会大于"uncert"参数指定的值。这意味着，在计算两个给定序列之间的距离时，观测到的距离最多为"dist+2\*uncert"，其中"dist"是这些序列之间的原始距离，没有排序错误。因此，一个好的经验法则是将有效的otu聚类距离考虑为实际的"otudist-2\*uncert"，其中otudist是用于对观察到的序列进行聚类的距离。
=
使用poisson二项式过滤算法读取质量过滤器原始序列。
moira.py脚本和poisson二项式过滤算法现在在下面的文章中进行了描述：
核酸研究，44（4）：e40。
，可在线访问：http://nar.oxfordjournals.org/content/44/4/e40
一个pip可安装的python包。要安装它，只需在终端运行*pip install moira*。或者，下载并解压发行包并运行*python setup.py install test*
-moira.py包含poisson二项式算法的python实现。它将像这里描述的那样作为一个独立脚本执行。
-bernoullimodule.c包含poisson二项式过滤算法的c实现。它是作为一个python扩展模块编写的，如果编译为一个共享库，它将加快moira.py的速度。编译它的一个示例命令行是：
-nw懔align.pyx包含Neederman Wunsch aligner的cython实现，以便从成对读取加速contig构造。编译它的命令行示例如下：
-仅当不使用pip或setup.py安装脚本时，才需要手动编译c扩展。
-测试可以通过下载分发包（或克隆github存储库）并运行*python setup.py test*来执行。正确的安装应该通过所有测试。如果尚未编译C模块，则将跳过某些测试。请注意，moira.py脚本仍然能够运行，但运行速度较慢。如果程序在您的平台上不起作用（或者一切正常，但您仍有疑问），请随时与我联系：fpusan@gmail.com。
要求：
-要求输入序列（单个或成对）和质量顺序相同。
-要求t序列和质量仅存储在一行中（即>；header\\nsequence\\n>；header2\\nsequence2）。
-需要numpy。
用法：
-从成对读取（fasta+qual）中创建contigs，而不进行质量筛选：
moira.py--forward\u fasta=<；file>；--forward戋qual=<；file>；--reverse戋fasta=<；file>；--reverse戋qual=<；file>；--paired--仅戋contig
-从paired reads（fastq）生成contigs并执行质量过滤，输出结果采用fastq格式：
moira.py--forward戋fastq=<；file>；--reverse戋fastq=<；file>；——成对——一致性——后验——输出格式fastq
——质量过滤器已经装配好contig或单次读取：
moira.py——前验fasta=<；文件>；——前验qual=<；文件>；
-输入文件可以用gzip或bzip2压缩。这将由脚本自动检测。
输出：
-如果正在执行质量控制，则将使用通过质量控制的序列和未通过质量控制的序列生成文件。未通过质量控制的控件的标题中将包含一个简短的报告。e qc.
<；prefix>；.qc.good.fasta
<；prefix>；.qc.good.qual
<；prefix>；.qc.bad.fasta
<；prefix>；.qc.bad.qual
-否则，只生成两个文件。
<；prefix>；.contigs.fasta
<；prefix>；.contigs.qual
-默认前缀是不带扩展名的前向输入名称。库斯汤姆前缀可以用--output_prefix选项指定。
-如果--output_format设置为"fastq"，将生成fastq文件，而不是fasta+qual文件。
-也可以通过--output_compression参数将输出压缩为gzip或bz2格式。
-如果折叠相同的序列，则会生成morsur格式化的名称文件（或us也将生成earch格式的序列头。
-moira.py将替换序列名中的"："以与mothur管道兼容。
参数：
-neederman-wunsch对齐器参数：
--match（默认1）：match score
--gap（d默认值-2）：间隙惩罚
--mismatch（默认值-1）：mismatch惩罚
-contig构造函数参数：
--insert（默认值20）：用于填充互补间隙或歧义的基的质量。
--deltaq（默认值6）：最小质量差异在两个不匹配的基之间允许CE，因为在一致序列中不包含N。
--consusm_qscore（默认为"best"）
-best：在对齐的每个位置上使用最佳质量作为一致质量分数（除非CO在该位置引入歧义NTIG构造函数。在这种情况下，报告的质量分数将始终为2。
-和：在匹配基中，一致性质量分数将是在对齐位置上两次读取的质量的总和。
-后：使用Edgar&Flyvbjerg（2015）方法计算一致性质量岩心。insert和deltaq参数将被忽略。如果两个不匹配的基具有完全相同的质量分数，则会在间隙中引入歧义。在这种情况下，报告的质量分数将始终为2。
--qscore_cap（默认值40）：要报告的最大一致质量分数。更高的共识质量分数将被削减到-qscore_cap的值。将其设置为0将移除上限。
--trim_overlap（默认为false）：将contig修剪到重叠区域。
-质量过滤参数：
--collapse（默认为true）：如果为true，则在质量控制之前将折叠相同的序列，并折叠具有b的序列。EST质量将用作整个组的代表。
--误差计算（默认为"泊松二项"）：用于误差计算的算法。
-泊松二项：计算泊松二项分布（伯努利随机变量之和）。
-泊松：近似将bernoulli随机变量之和转换为poisson分布。
-bootstrap：错误分布的数值生成（已弃用）。
--ambigs（默认值视为错误）：质量检查期间对不明确位置的处理。
-treat为错误：将比amb考虑图像总是导致误读基。
-disallow:将丢弃具有模糊性的序列。
-ignore:将忽略模糊性。
--truncate（默认为none）：在质量控制之前将序列截断为固定长度。丢弃小于该长度的序列。
--min_overlap（默认为none）：丢弃小于指定重叠长度的contigs。如果使用单端读取，将被忽略。
--round：过滤前将预测的错误舍入到最接近的整数。
--uncert（默认值0.01）：由于排序错误，观测序列与原始序列的最大散度。
--maxerrors（无默认值value）：序列中允许的最大错误数。如果指定为参数，则将重写--uncert。
--alpha（默认值0.005）：低估序列实际错误的概率。
--bootstrap（默认值100）：bootstrap方法用于错误计算的每个位置的复制数。
r:
--成对：输入文件是成对的结束文件，将被组合到contigs中。
--仅限_contigs:assemble contigs，不做质量控制。
--relabel（默认为false）：如果引入前缀字符串，将为序列生成顺序标签，格式为<；prefix>；n，其中n=1,2,3…
--output_format（默认为fasta）：
-fasta:以fasta+qual格式输出文件。
-fastq:out以fastq格式输出文件。
--output_prefix：输出文件名的前缀。
--output_compression（默认为none）：应用于输出文件的压缩。可以是"none"、"bz2"或"gzip"。
--pipeline（默认morsur）：
-morsur:折叠序列的输出将采用morsur的fasta+names格式。
-usearch:折叠序列的输出将位于一个fasta文件中，大量信息存储在序列头中。
--fastq-u offset（默认33）：ascii/qscore编码。
--processors（默认值1）：要使用的进程数。
--silent：不打印欢迎、进度和再见消息。仍将打印警告。
注释：
-对齐参数设置为复制Mothur对Needleman Wunsch算法的默认实现。
-还将复制Mothur Make.contig中的"insert"和"deltaq"参数。它们设置为默认值。更多详情请访问www.mothur.org/wiki/make.contigs。只有当--consensus qscore参数设置为"best"或"sum"时，才会应用它们。
-我们现在提供了一个选项，用于计算报告一致性质量分数的后验误差概率，如Edgar&Flyvbjerg（2015）所述。这可以通过添加"-consusment_qscore-recurrent"或"-q-recurrent"标志来实现，如上面的示例所示。虽然这种方法在理论上是合理的，但它只改进了对一些模拟社区样本使用默认的'-q-best'选项获得的结果。
-将伯努利随机变量的和近似为泊松分布比计算其精确和（泊松二项分布）更快。它特别适用于长读（>；500 nt）。也就是说，poisson二项式滤波算法也是用c语言实现的，即使是python实现也足够快或处理大数据集。bootstrap方法是一种计算bernoulli随机变量和的数值算法。它仅用于测试目的。
-质量过滤将丢弃预期有超过"alpha"机会偏离原始序列的contig，该机会大于"uncert"参数指定的值。这意味着，在计算两个给定序列之间的距离时，观测到的距离最多为"dist+2\*uncert"，其中"dist"是这些序列之间的原始距离，没有排序错误。因此，一个好的经验法则是将有效的otu聚类距离考虑为实际的"otudist-2\*uncert"，其中otudist是用于对观察到的序列进行聚类的距离。
欢迎加入QQ群-->： 979659372
