买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:厦门大学
摘要:本发明公开了一种基于UMI‑tools和Spark的单细胞上游大数据处理方法,包括如下步骤:S1、通过HadoopBAM的接口读取FASTQR1和FASTQR2文件,并分别抽象为FASTQR1数据集和FASTQR2数据集;S2、从FASTQR2数据集筛选出待处理的FASTQ数据集;S3、利用软件STAR将待处理的FASTQ数据集转化为SAM数据集;S4、读取GTF数据集和SAM数据集,分别根据各自记录中的染色体名进行聚合分组,得到GTF数据集组和SAM数据集组;S5、将GTF数据集组和SAM数据集组中具有相同染色体名的SAM记录和GTF记录进行拼接,并计数;S6、将计数的结果保存为结果文件。本发明大大减少了不必要的中间读写过程,提高数据处理的效率。
主权项:1.一种基于UMI-tools和Spark的单细胞上游大数据处理方法,其特征在于:包括如下步骤:S1、通过HadoopBAM的接口读取FASTQR1和FASTQR2文件,并分别抽象为FASTQR1数据集和FASTQR2数据集;S2、从所述FASTQR2数据集筛选出待处理的FASTQ数据集;所述步骤S2中的从所述FASTQR2数据集筛选出待处理的FASTQ数据集,具体为:S21、根据所述FASTQR1数据集中出现频率最高的UMI构造出白名单数据集WHITELISTRDD;S22、分别压缩所述FASTQR1数据集和FASTQR2数据集得到索引好的R1数据集和索引好的R2数据集;S23、对照所述白名单数据集,将所述FASTQR1数据集的UMI未出现在所述白名单数据集的对应的所述索引好的R1数据集删除,得到过滤后的R1数据集;S24、通过所述过滤后的R1数据集从所述索引好的R2数据集筛选出过滤后的R2数据集作为待处理的FASTQ数据集;S3、利用软件STAR将所述待处理的FASTQ数据集转化为SAM数据集;S4、读取GTF数据集和所述SAM数据集,分别根据各自记录中的染色体名进行聚合分组,得到GTF数据集组和SAM数据集组;S5、将所述GTF数据集组和SAM数据集组中具有相同染色体名的SAM记录和GTF记录进行拼接,并计数;S6、将计数的结果保存为结果文件。
全文数据:
权利要求:
百度查询: 厦门大学 一种基于UMI-tools和Spark的单细胞上游大数据处理方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。