Antonio De Lucreziis 58fabb697f | 2 months ago | |
---|---|---|
dataset | 7 months ago | |
examples | 2 months ago | |
src | 2 months ago | |
.gitignore | 7 months ago | |
001.log | 2 months ago | |
002.log | 2 months ago | |
003.log | 2 months ago | |
004.log | 2 months ago | |
Cargo.lock | 2 months ago | |
Cargo.toml | 2 months ago | |
README.md | 2 months ago |
README.md
Progetto ASD 2023/2024
Creazione e analisi di un Pangenome Graph.
Obbiettivi / Features
-
Caricare un Pangenome Graph dal formato GFA
-
Classificare i nodi del grafo in base al tipo tree, back, forward, cross
-
Rimuovere tutti i nodi di tipo back per rendere il grafo un DAG
-
Restringere il grafo alla componente connessa più grande
-
Ricostruire le sequenze dei nodi del grafo in base ai cammini ed alla direzione di percorrenza dei nodi (forward o reverse)
-
Ricerca di un pattern k-mer in queste sequenze utilizzando il rolling hash
-
(WIP) (Opzionale) Calcolare le frequenze di occorrenza di tutti i k-mer presenti nel grafo
CLI Options
-
-i, --input <input>
: file to read -
-c, --path_count <path_count>
: number of paths to visit when searching for the pattern (default: 1) -
-p, --pattern <pattern>
: k-mer pattern to search (default: "ACGT") -
-k, --kmer_size <kmer_size>
: k-mer length (default: 4)
Usage
-
To show help message:
cargo run -- --help`
-
For example to try out the
chrX
dataset:GFA_URL='https://s3-us-west-2.amazonaws.com/human-pangenomics/pangenomes/freeze/freeze1/pggb/chroms/chrX.hprc-v1.0-pggb.gfa.gz' wget $GFA_URL -O dataset/chrX.hprc-v1.0-pggb.local.gfa.gz gunzip dataset/chrX.hprc-v1.0-pggb.local.gfa.gz cargo run --release -- -i dataset/chrX.hprc-v1.0-pggb.local.gfa -c 2 -p ACGT -k 3
altri dataset sono elencati in Note
Example GFA
H VN:Z:1.0
S 11 G
S 12 A
S 13 T
S 14 T
S 15 A
S 16 C
S 17 A
S 21 G
S 22 A
S 23 T
S 24 T
S 25 A
L 11 + 12 + *
L 11 + 13 + *
L 12 + 14 + *
L 13 + 14 + *
L 14 + 15 + *
L 14 + 16 + *
L 15 + 17 + *
L 16 + 17 + *
L 21 + 22 + *
L 21 + 23 + *
L 22 + 24 + *
L 23 + 24 - *
L 24 + 25 + *
P A 11+,12+,14+,15+,17+ *,*,*,*
P B 21+,22+,24+,25+ *,*,*
W sample 1 A 0 5 >11>12>14>15>17
W sample 2 A 0 5 >11>13>14>16>17
W sample 1 B 0 5 >21>22>24<23<21
W sample 2 B 0 4 >21>22>24>25
Note
-
Documentazione del formato GFA: http://gfa-spec.github.io/GFA-spec/GFA1.html
-
Data set:
Stats
Language | Files | Lines | Code | Comments | Blanks |
---|---|---|---|---|---|
Rust | 21 | 3606 | 2452 | 464 | 690 |
Python | 2 | 249 | 164 | 40 | 45 |
TOML | 8 | 110 | 99 | 2 | 9 |
Markdown | 4 | 131 | 0 | 82 | 34 |
Total | 35 | 4096 | 2715 | 588 | 778 |