macでインフォマティクス

macでインフォマティクス

NGS関連のインフォマティクス情報についてまとめています。

Mulit-FASTAの分割 (split)

2018 10/26追記

2019 10/28インストール追記

 

BBtoolsを使うと簡単にマルチFASTAを分割できる(BBtools)。

 

インストール

conda install -c bioconda -y bbmap

partition.sh -h

$ partition.sh -h

 

Written by Brian Bushnell

Last modified April 17, 2018

 

Description:  Splits a sequence file evenly into multiple files.

 

Usage:  partition.sh in=<file> in2=<file2> out=<outfile> out2=<outfile2> ways=<number>

 

in2 and out2 are for paired reads and are optional.

If input is paired and out2 is not specified, data will be written interleaved.

Output filenames MUST contain a '%' symbol.  This will be replaced by a number.

 

Parameters and their defaults:

 

in=<file>       Input file.

out=<file>      Output file pattern.

ways=-1         The number of output files to create; must be positive.

 

ow=f            (overwrite) Overwrites files that already exist.

app=f           (append) Append to files that already exist.

zl=4            (ziplevel) Set compression level, 1 (low) to 9 (max).

int=f           (interleaved) Determines whether INPUT file is considered interleaved.

 

Java Parameters:

-Xmx            This will set Java's memory usage, overriding autodetection.

                -Xmx20g will specify 20 gigs of RAM, and -Xmx200m will specify 200 megs.

                    The max is typically 85% of physical memory.

-eoom           This flag will cause the process to exit if an out-of-memory

                exception occurs.  Requires Java 8u92+.

-da             Disable assertions.

 

Please contact Brian Bushnell at bbushnell@lbl.gov if you encounter any problems.

 

 

実行方法 

5クロモソームを分割するなら、以下のようにコマンドを打つ。

partition.sh in=input.fasta out=chromosome%.fasta ways=5
  • ways=1 The number of output files to create; must be positive.

 

ヒトゲノムなどの大きなゲノムなら-Xmx20G などをつけておく(javaの使用メモリ20 GB)。 

partition.sh -Xmx20G in=hs37d5.fa out=chromosome%.fasta ways=86

 

 

wayは出力ファイル数。fastaの数以上にすると、余剰分は空ファイルが出力される。FASTAがいくつあるか分からなければ、最初にgrepを使ってFASTA数を調べる。

grep -n ">" input.fasta |wc -l

 

linuxなら以下のコマンドでも分割できる。

csplit -z input.fasta '/>/' '{*}'

 

bamの分割にはbamtoolsが使えます。


  

引用

Biostars

https://www.biostars.org/p/2226/