3

我有一个 R 脚本,在其中我可以在映射后从 .sam 文件中读取行,并且我想将 sam 文件的行解析为字符串,以便更轻松地操作它们并创建我想要的 wig 文件或计算我需要的 cov3 和 cov5。你能帮我让这个脚本更快地工作吗?如何更快地将巨大的 .sam 文件的行解析为数据帧?这是我的脚本:

gc()
rm(list=ls()) 

exptPath <- "/home/dimitris/INDEX3PerfectUnique31cov5.sam"


lines <- readLines(exptPath)
pos = lines
pos
chrom = lines
chrom
pos = ""
chrom = ""
nn = length(lines)
nn

# parse lines of sam file into strings(this part is very very slow)
rr = strsplit(lines,"\t", fixed = TRUE)
rr
trr = do.call(rbind.data.frame, rr)
pos = as.numeric(as.character(trr[8:nn,4]))
# for cov3
#pos = pos+25
#pos
chrom = trr[8:nn,3]
pos = as.numeric(pos)
pos

tab1 = table(chrom,pos, exclude="")
tab1

ftab1 = as.data.frame(tab1)
ftab1 = subset(ftab1, ftab1[3] != 0)
ftab1 = subset(ftab1, ftab1[1] != "<NA>")
oftab1 = ftab1[ order(ftab1[,1]), ]
final.ftab1 = oftab1[,2:3]
write.table(final.ftab1, "ind3_cov5_wig.txt", row.names=FALSE,
            sep="   ", quote=FALSE)
4

1 回答 1

1

如果不访问示例输入和输出(例如,Dropbox 上的数据子集),就很难提供详细的答案。Bioconductor解决方案会将 sam 文件转换为bam

library(Rsamtools)
bam <- "/path/to/new.bam")
asBam("/path/to/old.sam", bam)

然后可能直接读取数据(查看?scanBam?ScanBamParam仅导入感兴趣的字段/区域)

rr <- scanBam(bam)

或者到底更方便

library(GenomicAlignments)
aln <- readGAlignments(bam)
## maybe cvg <- coverage(bam) ?

将有几个步骤来进行操作,以GRanges对象(有点像 data.frame,但行具有基因组坐标)或相关对象结束

## ...???
## gr <- GRanges(seqnames, IRanges(start, end), strand=..., score=...)

最终目标是使用导出到 wig / bigWig / bed 文件

library(rtracklayer)
export(gr, "/path/to.wig")

有大量的帮助资源,包括包小插曲、手册页和 Bioconductor邮件列表

于 2014-05-28T12:46:35.233 回答