BAMファイルをダウンサンプリングしてカバレッジを下げる方法を知っています。 SAMで行をランダムに選択できることは知っていますが、この手順では、ペアの2つの読み取りが常に同時にサンプリングされることを保証できません。ペアリング情報をそのまま維持しながらBAMをダウンサンプリングする方法はありますか？
samtoolsにはサブサンプリングオプションがあります：
-s FLOAT：整数部分は乱数ジェネレーター[0]をシードするために使用されます。小数点以下の部分は、テンプレート/ペアの割合をサブサンプルに設定します[サブサンプリングなし]
samtools view -bs 42.1 in.bam > subsampled.bam 乱数ジェネレーターのシードとして42を使用して、10％のマップされた読み取りをサブサンプリングします。
この関数を使用すると、SamBambaを使用して、特定のBAMファイルをユーザー指定の読み取り数にサブサンプリングできます。この関数は自動的に倍率を計算します。 ここ
関数SubSample {##から取得したアイデアの一部"> $（samtools idxstats $ span> 1 | cut -f3 | awk -v COUNT = $ 2'BEGIN {total = 0} {total + = $ span> 1 } END {print COUNT / total} '）if [[ $ FACTOR > 1]] then echo' [ERROR]：要求された読み取り数が '$ spanの合計読み取り数を超えています> 1'-exiting '&& exit 1fisambamba view -s $ FACTOR -f bam -l 5 $ span> 1} ##使用例、100.000読み取りを選択：SubSamplein。 bam 100000 > subsampled.bam $ 2 は読み取りの数であることに注意してください。 10000回の読み取りを選択したが、ペアエンドデータがあるとすると、5000個のフラグメントになります。
まったく異なる戦術...最後に何回の読み取りがあるかについてあまり気にしない場合に役立ちます。
イルミナの読み取り名には、レーン、タイル、およびxy座標が含まれています。それらを読んでください。これらでフィルタリングした場合、ペアの両方のメンバーを取得するか、どちらも取得しないことが保証されます。フローセルの端を避けるようにすることをお勧めします。