Pacbio三代测序Primary Analysis Data文件夹
文章目录
三代测序很多年了,刚工作的时候在超算中心做过三代的拼接,没好好研究过之后就再也没接触过,现在要做三代的项目,从头学习,Primary Analysis Data为初步数据分析文件夹,类似下面的文件夹结构
|
|
主要文件有
bas.h5文件和bax.h5文件
bas.h5和相关的bax.h5文件是PacBio@RS II初级分析(primary analysis)的主要输出文件,这些文件由设备产生到本地存储位置,作为后续SMRT分析软件进行alignment、consensus和variant分析的输入文件。 PacBio@RS II之前,单个bas.h5文件包含了所有测序数据,随着PacBio@RS II升级,通量和read长度都在增加,现在包含一个bas.h5和3个bax.h5文件(1-3.bax.h5)。bax.h5文件包含测序的base call的信息,bas.h5是三个bax.h5的重要指针。 用h5dupm -n [movie name].bas.h5命令看一下文件
|
|
可以看到有一个MultiPart的group组,下面有两个数据集,一个是HoleLookup,一个是Parts。 /MultiPart/Parts提供相关对应的的三个bax.h5的文件名 /MultiPart/HoleLookup对应ZMW零模波导孔编号
单个的bax.h5文件结构和原来一致 ,有两个组,分别是PulseData和ScanData。ScanData 包含了用于测试的仪器信息,一般不会用到。PulseData下面重点看/PulseData/BaseCalls组 用命令h5dump -d /PulseData/BaseCalls/Basecall [movie name].bax.h5 ' head -10 查看数据集basecall如下序列
|
|
其中A=> 65, C=> 67, G=>71, T=>84,与ASCII编码一致。
用h5dump -d /PulseData/BaseCalls/QualityValue bax.h5 ' head -10 查看数据集qualityvalue如下
|
|
表示测错的概率,用的是phred socre,和Illumina类似。当然,我看的这个文件可以看出测序质量并不是很好。
具体的组和数据集的说明,可以参考:
https://s3.amazonaws.com/files.pacb.com/software/instrument/2.0.0/bas.h5+Reference+Guide.pdf
metadata.xml
包含测序仪ID,样本名,测序酶,试剂等元数据。 参考文件:https://s3.amazonaws.com/files.pacb.com/software/instrument/2.0.0/Metadata+Output+Guide.pdf
sts.xml
包含了单个movie的概括统计 参考文件:https://s3.amazonaws.com/files.pacb.com/software/instrument/1.3.1/Statistics+Output+Guide.pdf
用h5dump查看pacbio数据
查看h5格式的文件可以用hdf5下的h5dump工具查看,安装如下
|
|
参考:
https://www.cnblogs.com/xudongliang/p/6908953.html https://smrt-analysis.readthedocs.io/en/latest/Data-files-you-received-from-your-service-provider/
####################################################################
#版权所有 转载请告知 版权归作者所有 如有侵权 一经发现 必将追究其法律责任
#Author: Jason
####################################################################
文章作者 zzx
上次更新 2019-03-20