生信分析进阶2 - 利用GC含量的Loess回归矫正reads数量

AI摘要

该博客介绍了如何在生信分析中利用GC含量的Loess回归矫正NGS数据的reads数量误差,强调了在NIPT中的重要性,并提供了一个参考文献。内容包括获取参考基因组大小、基因组窗口划分、统计窗口GC和reads数、数据整理以及R语言的Loess回归实现。矫正结果和生信分析进阶系列文章也在文中提及。

在NGS数据比对后,需要矫正GC偏好引起的reads数量误差可用loess回归算法,使用R语言对封装的loess算法实现。

在NIPT中,GC矫正对检测结果准确性非常重要,具体研究参考以下文章。

Noninvasive Prenatal Diagnosis of Fetal Trisomy 18 and Trisomy 13 by Maternal Plasma DNA Sequencing
链接地址:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3130771/
在这里插入图片描述窗口划分可参考文章:

生信软件8 - bedtools进行窗口划分、窗口GC含量、窗口测序深度和窗口SNP统计

获取参考基因组大小

以hg19参考基因组为例。

# 安装python库
pip install pyfaidx

# 保留chr1-chr22 chrX chrY
faidx reference/hg19.fasta -i chromsizes|grep -E -v '_|chrM' > hg19.genome.size

hg19.genome.size

划分基因组窗口

以1000kb划分为例。

bedtools makewindows -g hg19.genome.size -w 1000000 > hg19.1000kb.bed

hg19.1000kb.bed

划分窗口

bedtools nuc -fi /reference/hg19.fasta -bed hg19.1000kb.bed|cut -f 1-3,5 > hg19.1000kb.gc.bed

hg19.1000kb.gc.bed

统计窗口reads和GC含量

bedtools coverage -a hg19.1000kb.bed -b sample.sorted.bam > sample.count

sample.count

整理数据

paste <(grep -v '#' hg19.1000kb.gc.bed) <(cut -f4 sample.count)|sed '1i chr\tstart\tend\tGC\treads' > sample.gc.count

# 对上面linux命令进行拆分,上面代码过于复杂,运行可能会报错
####################################################
# 过滤header
grep -v '#' hg19.1000kb.gc.bed > hg19.1000kb.gc.bed.tmp

# 获取第4列 reads数量, 并删除首行header
cut -f4 sample.count|sed '1d' > sample.count.tmp

# 拼接2个tmp文件,并插入header
paste hg19.1000kb.gc.bed.tmp sample.count.tmp|sed '1i chr\tstart\tend\tGC\treads' > sample.gc.count

rm *tmp

sample.gc.count

利用GC含量的Loess回归矫正reads数量

R语言实现。

# loess_gc_correct.R
# Useage: Rscript loess_gc_correct.R /path/sample.gc.count /path/sample.gc.corrected.count

args=commandArgs(T)
# 输入文件路径
gc.reads.file <- args[1]
# 输出文件路径
gc.reads.corrected.file <- args[2]

# 读取输入文件
raw.data <- read.table(gc.reads.file, sep='\t', head=TRUE)

# loess regression 进行GC矫正reads数量
gc.count.loess <- loess(reads~GC,
                       data = raw.data,
                       control = loess.control(surface = "direct"), degree=2) 

prediction <- predict(gc.count.loess, raw.data$GC)

raw.data$corrected_reads <- as.integer(prediction)

# 保存
write.table(raw.data, file = gc.reads.corrected.file,
            sep = '\t', quote = FALSE)

矫正后结果

矫正后文件

生信分析进阶文章合辑【每周更新至少一次】

生信分析进阶1 - HLA分析的HLA区域reads提取及bam转换fastq

从零开始构建AIGC自回归生成模型的完整教程 本文旨在为读者提供构建自回归生成模型的完整技术路线。深入解析自回归生成模型的核心原理从零实现一个基于Transformer的文本生成模型探讨模型训练和优化的关键技术展示实际应用案例和部署方案本教程覆盖从理论到实践的完整流程,但假设读者已具备基本的Python和深度学习知识。背景介绍:建立基本概念核心概念:解析自回归模型和Transformer算法实现:详细代码实现数学模型:理论推导和公式解析项目实战:完整案例实现应用场景:实际应用分析工具资源:开发工具和学习资料。 阅读详情

相关推荐

基因组二代测序数据的GC校正与分析实践教程

在众多的质量控制工具中,FastQC和MultiQC是目前广泛使用的两种工具。它们能够帮助分析原始的测序数据,并生成报告来评估数据质量。FastQC:一个快速的工具,用于对单个测序样本进行质量控制分析。MultiQC:整合来自多个样本和多个工具的输出,提供一个全面的质量控制报告。# 运行FastQC的示例指令# 运行MultiQC的示例指令multiqc .在上述代码块中,我们展示了如何使用FastQC和MultiQC工具的基本命令。

weixin_29781865的博客 848

LOESS 回归平滑:LOESS 对噪声数据执行局部加权回归拟合-matlab开发

函数 fLOESS 对一维数据执行 LOESS(使用二阶多项式的局部加权非参数回归拟合)平滑,无需 Matlab 曲线拟合工具箱。 这可能被认为是 LOWESS 的一种稍微更好的方法,它使用线性拟合产生局部加权回归。

实战案例:用多智能体系统模拟房地产市场的架构设计

房地产市场是典型的复杂自适应系统:买方纠结“要不要上车”、卖方盘算“挂多少钱能快速成交”、中介忙着“撮合两边赚佣金”、政府琢磨“怎么调政策稳房价”——每一个参与者的微小决策,最终都会汇聚成“房价暴涨”“成交冰点”这样的宏观现象。传统的计量经济学模型(比如线性回归)假设“所有人都是理性人”,但现实中没人能算清所有变量——你可能因为“同事买了学区房”就跟风,也可能因为“怕失业”而放弃买房。这时候,多智能体系统(MAS)

移动开发前沿的博客 1125

Win11下WSL2安装Ubuntu22.04避坑指南:从镜像源到C++环境配置

本文提供了一份详细的Win11下WSL2安装Ubuntu22.04的实战避坑指南。内容涵盖从WSL2核心安装、自定义安装路径,到更换国内镜像源以解决更新缓慢问题,并一站式配置完整的C++开发环境(包括GCC、CMake、vcpkg等),最后分享提升开发体验的进阶技巧,助你在Windows上打造高效的Linux开发工作站。

weixin_29260291的博客 563

从仿真到打样:PMOS栅极泄放电路设计全流程复盘与三个踩坑点总结

本文详细复盘了PMOS栅极泄放电路从仿真到打样的全流程设计,重点总结了三个关键踩坑点:三极管BE结过压击穿、静态功耗超标和栅极振荡现象。通过优化缓启动电路、改进保护设计和布局调整,最终实现18ms开通时间、190μs关断时间和8μA静态功耗的工业级性能指标,为类似电源开关设计提供实用参考。

weixin_28693683的博客 371

VSCode 降低适用版本并且关闭自动更新

官方表示,提高了远程服务器构建工具链的最低要求,更新了对 glibc 的要求,需要最低2.28版本。最快的方法是把vs code的版本降到1.85(为什么是这个版本呢?打开VS Code的官方网站(https://code.visualstudio.com/)通过查看可以知道,具体的版本没有直接显示分类,他是根据发布日期来分类的同时和版本匹配。在网站的顶部导航栏中找到”Updates”按钮,点击进入下载页面。找了半天一直没发现,原来就在紧挨着的下面。远程主机不满足运行vs code服务器的先决条件。

Sunflower的博客 9586

基于YOLO+DeepSeek的农作物病虫害检测系统

本系统是一个基于YOLO+DeepSeek的农作物病虫害检测系统。 可使用YOLOV1-YOLOV12的任意模型进行目标检测。可以实现检测图片、批量检测图片、视频检测、摄像头检测四种方式。

qq_51977316的博客 1810

深度学习图神经网络 (GNN) —— 处理图结构数据(六十九)

本文系统介绍了图神经网络(GNN)的核心概念、主流模型及其应用。主要内容包括: GNN基础:阐述了图结构数据的特性(节点数不定、连接不规则),以及GNN相比CNN/RNN的优势在于处理非欧式空间的图数据。 核心机制:重点讲解了消息传递框架(MPNN),通过聚合邻居信息迭代更新节点表示,并分析了GCN的归一化邻接矩阵计算和GAT的注意力权重机制。 典型模型: GCN:基于归一化邻接矩阵的特征传播 GAT:引入注意力机制区分邻居重要性 GraphSAGE:通过采样解决大图扩展性问题 GIN:理论表达能力最强的图

hello.reader 302

权重衰减weight_decay参数从入门到精通

Weight Decay是一个正则化技术,作用是**抑制模型的过拟合**,以此来提高模型的泛化性。 目前网上对于Weight Decay的讲解都比较泛,都是短短的几句话,但对于其原理、实现方式大多就没有讲解清楚,本文将会逐步解释weight decay机制。

iioSnail的博客 4万+

【AirPlay】苹果认证MFI学习

配件认证是一个过程,通过这个过程,可验证其配件符合MFi技术规范,并通过苹果指定的任何认证测试。MFi门户中的产品计划 "认证 "页面将指导你完成特定配件所需的认证步骤,并指出何时完成所有要求。在完成所有MFi认证要求之前,你不得制造、分发或销售任何配件。在开始MFi认证过程之前,你必须测试你的配件,以确保它符合最新的MFi技术规范,通过产品计划 "测试计划 "上的所有适用测试,并与它将声称具有兼容性的每个苹果设备兼容。

天天的博客 2277

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

上一篇: 生信分析进阶1 - HLA分析的HLA区域reads提取及bam转换fastq
下一篇: 生信软件17 - 基于fasta文件的捕获探针设计工具catch
生信与基因组学
博客等级 码龄9年 7209粉丝 257原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生信与基因组学

每一份鼓励是我坚持下去动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值