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。

ゲノムデータの圧縮を行うGeCo

 

GeCoはゲノム(fasta)の圧縮ツール。高効率な圧縮を行うことができる(ロスレスかどうかは不明)。

 

公式サイト

http://bioinformatics.ua.pt/software/geco/

 

インストール

本体 Github

https://github.com/pratas/geco

ダウンロードしてビルドする。

brew install cmake wget gcc48 #ない人だけ
git clone https://github.com/pratas/geco.git
cd geco/src/
cmake .
make

 > ./GeCo

$ ./GeCo 

Usage: GeCo [OPTION]... -r [FILE]  [FILE]:[...]                        

Compress and analyze a genomic sequence (by default, compress).        

                                                                       

Non-mandatory arguments:                                               

                                                                       

  -h                     give this help,                               

  -x                     show several running examples,                

  -s                     show GeCo compression levels,                 

  -v                     verbose mode (more information),              

  -V                     display version number,                       

  -f                     force overwrite of output,                    

  -l <level>             level of compression [1;9] (lazy -tm setup),  

  -g <gamma>             mixture decayment forgetting factor. It is    

                         a real value in the interval [0;1),           

  -c <cache>             maximum collisions for hash cache. Memory     

                         values are higly dependent of the parameter   

                         specification,                                

  -e                     it creates a file with the extension ".iae" 

                         with the respective information content. If   

                         the file is FASTA or FASTQ it will only use   

                         the "ACGT" (genomic) data,                  

                                                                       

  -rm <c>:<d>:<i>:<m/e>  reference context model (ex:-rm 13:100:0:0/0), 

  -rm <c>:<d>:<i>:<m/e>  reference context model (ex:-rm 18:1000:0:1/1000),

  ...                                                                  

  -tm <c>:<d>:<i>:<m/e>  target context model (ex:-tm 4:1:0:0/0),      

  -tm <c>:<d>:<i>:<m/e>  target context model (ex:-tm 18:20:1:2/10),   

  ...                                                                  

                         target and reference templates use <c> for    

                         context-order size, <d> for alpha (1/<d>),    

                         <i> (0 or 1) to set the usage of inverted     

                         repeats (1 to use) and <m> to the maximum     

                         allowed mutation on the context without       

                         being discarded (usefull in deep contexts),   

                         under the estimator <e>,                      

                                                                       

  -r <FILE>              reference file ("-rm" are loaded here),     

                                                                       

Mandatory arguments:                                                   

                                                                       

  <FILE>                 file to compress (last argument). For more    

                         files use splitting ":" characters.         

                                                                       

Report bugs to <{pratas,ap,pjf}@ua.pt>. 

> ./GeDe

$ ./GeDe 

Usage: GeDe [OPTION]... -r [FILE]  [FILE]:[...]                    

Decompress a genomic sequence compressed by GeCo.                  

                                                                   

Non-mandatory arguments:                                           

                                                                   

  -h                    give this help,                            

  -v                    verbose mode (more information),           

                                                                   

  -r <FILE>             reference file,                            

                                                                   

Mandatory arguments:                                               

                                                                   

  <FILE>                file to uncompress (last argument). For    

                        more files use splitting ":" characters. 

                                                                   

Report bugs to <{pratas,ap,pjf}@ua.pt>.

パスを通しておく。

 

ラン

レベル5で圧縮する。

GeCo -l 5 File.seq
  •  -l <level> level of compression [1;9] (lazy -tm setup), 

デコード

GeDe File.seq.co

 

fastqを圧縮すると、ヘッダーやqualityが消去されて1つの配列になってしまうので使わないこと。

 

 

引用

Efficient Compression of Genomic Sequences

D. Pratas, A. J. Pinho, P. J. S. G. Ferreira.

March 2016 DOI10.1109/DCC.2016.60 ConferenceData Compression ConferenceAtSnowbird, Utah