Опция установлена для cuffdiff
CuffDiffOptions возразите устанавливает опции для cuffdiff функция, которая идентифицирует существенные изменения в выражении [1] расшифровки стенограммы.
cuffdiffOpt = CuffDiffOptionsCuffDiffOptions объект со значениями свойств по умолчанию.
CuffDiffOptions требует Пакета поддержки Запонок для Bioinformatics Toolbox™. Если пакет поддержки не установлен, то функция обеспечивает ссылку на загрузку. Для получения дополнительной информации смотрите Пакеты Программной поддержки Bioinformatics Toolbox.
Примечание
CuffDiffOptions поддерживается на Mac и UNIX® платформы только.
cuffdiffOpt = CuffDiffOptions(Name,Value)cuffdiffOpt = CuffDiffOptions('SupressMapFiles',true) предотвращает создание .tmap и .refmap файлы.
cuffdiffOpt = CuffDiffOptions(S)S.
S — cuffdiff опцииcuffdiff опции в виде строки или вектора символов. S должен быть в исходном cuffdiff синтаксис опции (снабженный префиксом одним или двумя тире).
Пример: '--seed 5'
ConditionLabels — Демонстрационные меткиДемонстрационные метки в виде строки, представьте в виде строки вектор, вектор символов или массив ячеек из символьных векторов. Количество меток должно равняться количеству отсчетов, или значением должен быть пустой [].
Пример:
["Control","Mutant1","Mutant2"]
Типы данных: string | char | cell
ContrastFile — Контрастное имя файлаКонтрастное имя файла в виде строки или вектора символов. Файл должен быть текстовым файлом с разделителями табуляции 2D столбца, где каждая линия указывает на два условия сравнить использование cuffdiff. Метки условия в файле должны совпадать с любым метки, заданные для ConditionLabels или демонстрационные имена. Файл должен иметь одну линию заголовка как первую линию, сопровождаемую одной линией для каждого контраста. Пример контрастного формата файла следует.
| condition_A | condition_B |
|---|---|
Управление | Mutant1 |
Управление | Mutant2 |
Если вы не обеспечиваете этот файл, cuffdiff сравнивает каждую пару входных условий, которые могут повлиять на эффективность.
Пример:
"contrast.txt"
Типы данных: char | string
DispersionMethod — Метод к отклонению модели в количествах фрагмента"pooled" (значение по умолчанию) | "per-condition" | "blind" | "poisson"Метод, чтобы смоделировать отклонение в количествах фрагмента через реплицирует в виде одной из следующих опций:
"pooled" — Функция использует каждое реплицированное условие создать модель и составляет в среднем эти модели в глобальную модель для всех условий в эксперименте.
"per-condition" — Функция производит модель для каждого условия. Можно использовать эту опцию, только если все условия имеют, реплицирует.
"blind" — Функция обрабатывает все выборки, как реплицирует одного глобального распределения и производит одну модель.
"poisson" — Отклонение в количествах фрагмента является моделью Пуассона, где количество фрагмента предсказано, чтобы быть средним значением через, реплицирует. Этот метод не рекомендуется.
Выберите метод в зависимости от того, ожидаете ли вы, что изменчивость в каждой группе выборок будет подобна.
Когда сравнение двух групп, где у первой группы есть прострел - реплицирует изменчивость, и у второй группы есть высокая изменчивость, выберите per-condition метод.
Если условия имеют подобные уровни изменчивости, выбирают pooled метод.
Если у вас есть только сингл, реплицируют в каждое условие, выбирают blind метод.
Пример:
"blind"
Типы данных: char | string
DoIsoformSwitch — Отметьте, чтобы выполнить тесты переключения изоформыtrue (значение по умолчанию) | falseОтметьте, чтобы выполнить тесты переключения изоформы в виде true или false. Эти тесты оценивают, сколько дифференциального соединения существует в изоформах из одной первичной расшифровки стенограммы. По умолчанию значением является true и результаты испытаний сохранены в выходном файле splicing.diff.
Пример:
false
Типы данных: логический
EffectiveLengthCorrection — Отметьте, чтобы нормировать количества фрагментаtrue (значение по умолчанию) | falseОтметьте, чтобы нормировать количества фрагмента к фрагментам на kilobase на миллион сопоставленных чтений (FPKM) в виде true или false.
Пример:
false
Типы данных: логический
ExtraCommand — Дополнительные команды"" (значение по умолчанию) | представляет в виде строки | вектор символовКоманды должны быть в нативном синтаксисе (снабжены префиксом одним или двумя тире). Используйте эту опцию, чтобы применить недокументированные флаги и флаги без соответствующего MATLAB® свойства.
Когда программное обеспечение преобразует исходные флаги в свойства MATLAB, оно хранит любые нераспознанные флаги в этом свойстве.
Пример: '--library-type fr-secondstrand'
Типы данных: char | string
FalseDiscoveryRate — Ложный уровень открытия0 и 1Ложный уровень открытия используется во время статистических тестов в виде скаляра между 0 и 1.
Пример:
0.01
Типы данных: double
FragmentBiasCorrection — Имя файла FASTA со ссылочными расшифровками стенограммы, чтобы обнаружить смещениеИмя файла FASTA со ссылочными расшифровками стенограммы, чтобы обнаружить смещение во фрагменте рассчитывает в виде строки или вектора символов. Подготовка библиотеки может ввести специфичное для последовательности смещение в эксперименты RNA-Seq. Обеспечение ссылочных расшифровок стенограммы улучшает точность оценок распространенности расшифровки стенограммы.
Пример:
"bias.fasta"
Типы данных: char | string
FragmentLengthMean — Ожидаемая средняя длина фрагмента в парах основанийОжидаемая средняя длина фрагмента в виде положительного целого числа. Значением по умолчанию является 200 пары оснований. Функция может изучить среднее значение длины фрагмента для каждого файла SAM. Используя эту опцию не рекомендуется для чтений парного конца.
Пример: 100
Типы данных: double
FragmentLengthSD — Ожидаемое стандартное отклонение для распределения длины фрагментаОжидаемое стандартное отклонение для распределения длины фрагмента в виде положительной скалярной величины. Значением по умолчанию является 80 пары оснований. Функция может изучить стандартное отклонение длины фрагмента для каждого файла SAM. Используя эту опцию не рекомендуется для чтений парного конца.
Пример: 70
Типы данных: double
GenerateAnalysisDiff — Отметьте, чтобы создать файлы дифференциального анализаtrue (значение по умолчанию) | falseОтметьте, чтобы создать файлы дифференциального анализа (*.diff) в виде true или false.
Пример:
false
Типы данных: логический
IncludeAll — Отметьте, чтобы использовать все свойства объектовfalse (значение по умолчанию) | trueОтметьте, чтобы включать все свойства объектов с соответствующими значениями по умолчанию при преобразовании в исходный синтаксис опций в виде true или false. Можно преобразовать свойства в исходный синтаксис, снабженный префиксом одним или двумя тире (такими как '-d 100 -e 80') при помощи getCommand. Значение по умолчанию false средние значения это, когда вы вызываете getCommand(optionsObject), это преобразует только заданные свойства. Если значением является true, getCommand преобразует все доступные свойства, со значениями по умолчанию для незаданных свойств, к исходному синтаксису.
Примечание
Если вы устанавливаете IncludeAll к true, программное обеспечение переводит все доступные свойства со значениями по умолчанию для незаданных свойств. Единственное исключение - это, когда значением по умолчанию свойства является NaNInf, [], '', или "", затем программное обеспечение не переводит соответствующее свойство.
Пример: true
Типы данных: логический
IsoformShiftReplicates — Минимальное количество реплицирует, чтобы протестировать гены на дифференциальное регулированиеМинимальное количество реплицирует, чтобы протестировать гены на дифференциальное регулирование в виде положительного целого числа. Функция пропускает тесты, когда количество реплицирует, меньше, чем заданное значение.
Пример 2
Типы данных: double
LengthCorrection — Отметьте, чтобы откорректировать длиной расшифровки стенограммыtrue (значение по умолчанию) | falseОтметьте, чтобы откорректировать длиной расшифровки стенограммы в виде true или false. Установите это значение к false только, когда количество фрагмента независимо от размера элемента, такой что касается небольших библиотек RNA без фрагментации и для 3' секвенирования конца, где все фрагменты имеют ту же длину.
Пример: false
Типы данных: логический
LibraryNormalizationMethod — Метод, чтобы нормировать размер библиотеки"geometric" (значение по умолчанию) | "classic-fpkm" | "quartile"Метод, чтобы нормировать размер библиотеки в виде одной из следующих опций:
"geometric" — Функция масштабирует значения FPKM средним геометрическим средним значением количеств фрагмента через все библиотеки как описано в [2].
"classic-fpkm" — Функция не применяет масштабирования к значениям FPKM или количествам фрагмента.
"quartile" — Функция масштабирует значения FPKM отношением верхних квартилей между количествами фрагмента и средним значением через все библиотеки.
Пример:
"classic-fpkm"
Типы данных: char | string
MaskFile — Имя GTF или файла GFF, содержащего расшифровки стенограммы, чтобы проигнорироватьИмя GTF или файла GFF, содержащего расшифровки стенограммы, чтобы проигнорировать во время анализа в виде строки или вектора символов. Некоторые примеры расшифровок стенограммы, чтобы проигнорировать включают аннотируемые rRNA расшифровки стенограммы, митохондриальные расшифровки стенограммы и другие богатые расшифровки стенограммы. Игнорирование этих расшифровок стенограммы улучшает робастность оценок распространенности.
Пример: "excludes.gtf"
Типы данных: char | string
MaxBundleFrags — Максимальное количество фрагментов, чтобы включать для каждого местоположения перед пропускомМаксимальное количество фрагментов, чтобы включать для каждого местоположения прежде, чем пропустить новые фрагменты в виде положительного целого числа. Пропущенные фрагменты отмечены состоянием HIDATA в файле skipped.gtf.
Пример: 400000
Типы данных: double
MaxFragAlignments — Максимальное количество выровненных чтений, чтобы включать для каждого фрагментаInf (значение по умолчанию) | положительное целое числоМаксимальное количество выровненных чтений, чтобы включать для каждого фрагмента прежде, чем пропустить новые чтения в виде положительного целого числа. Inf, значение по умолчанию, не устанавливает предела для максимального количества выровненных чтений.
Пример: 1000
Типы данных: double
MaxMLEIterations — Максимальное количество итераций для оценки наибольшего правдоподобияМаксимальное количество итераций для оценки наибольшего правдоподобия распространенностей в виде положительного целого числа.
Пример: 4000
Типы данных: double
MinAlignmentCount — Минимальное количество выравниваний требуется в местоположении для тестирования значенияМинимальное количество выравниваний, требуемых в местоположении выполнять тестирование значения на различия между выборками в виде положительного целого числа.
Пример 8
Типы данных: double
MinIsoformFraction — Минимальная распространенность изоформы, чтобы включать в дифференциальные тесты выражения1e-5 (значение по умолчанию) | скаляр между 0 и 1Минимальная распространенность изоформы, чтобы включать в дифференциальное выражение тестирует в виде скаляра между 0 и 1. Для альтернативных изоформ, определенных количественно в ниже заданного значения, функция округляет распространенность в меньшую сторону, чтобы обнулить. Заданное значение является частью главной изоформы. Функция выполняет эту фильтрацию после оценки MLE, но перед оценкой MAP, чтобы улучшить робастность генерации доверительного интервала и дифференциального анализа выражения. Используя значение параметров кроме значения по умолчанию не рекомендуется.
Пример: 1e-5
Типы данных: double
MultiReadCorrection — Отметьте, чтобы улучшить оценку распространенности с помощью спасательного методаfalse (значение по умолчанию) | trueОтметьте, чтобы улучшить оценку распространенности для чтений, сопоставленных с несколькими геномными положениями с помощью спасательного метода в виде true или false. Если значением является false, функция делит мультисопоставленные чтения однородно ко всем сопоставленным позициям. Если значением является true, функция использует дополнительную информацию, включая генную оценку распространенности, выведенную длину фрагмента, и смещение фрагмента, чтобы улучшить оценку распространенности расшифровки стенограммы.
Спасательный метод описан в [3].
Пример: true
Типы данных: логический
NormalizeCompatibleHits — Отметьте, чтобы использовать только фрагменты, совместимые со ссылочной расшифровкой стенограммы, чтобы вычислить значения FPKMtrue (значение по умолчанию) | falseОтметьте, чтобы использовать только фрагменты, совместимые со ссылочной расшифровкой стенограммы, чтобы вычислить значения FPKM в виде true или false.
Пример: false
Типы данных: логический
NormalizeTotalHits — Отметьте, чтобы включать все фрагменты, чтобы вычислить значения FPKMfalse (значение по умолчанию) | trueОтметьте, чтобы включать все фрагменты, чтобы вычислить значения FPKM в виде true или false. Если значением является true, функция включает все фрагменты, включая фрагменты без совместимой ссылки.
Пример: true
Типы данных: логический
NumFragAssignmentDraws — Количество присвоений фрагмента, чтобы выполнить на каждой расшифровке стенограммыКоличество присвоений фрагмента, чтобы выполнить на каждой расшифровке стенограммы в виде положительного целого числа. Для каждого фрагмента, чертившего из расшифровки стенограммы, функция выполняет конкретное количество присвоений вероятностно, чтобы определить неопределенность присвоения расшифровки стенограммы и оценить ковариационную матрицу отклонения для присвоенных количеств фрагмента.
Пример: 40
Типы данных: double
NumFragDraws — Количество ничьих от отрицательного биномиального генератора случайных чиселКоличество ничьих от отрицательного биномиального генератора случайных чисел для каждой расшифровки стенограммы в виде положительного целого числа. Каждый ничья является многими фрагментами, которые функция вероятностно присваивает расшифровкам стенограммы в транскриптоме, чтобы определить неопределенность присвоения и оценить ковариационную матрицу отклонения для присвоенных количеств фрагмента.
Пример: 90
Типы данных: double
NumThreads — Количество параллельных потоков, чтобы использоватьКоличество параллельных потоков, чтобы использовать в виде положительного целого числа. Потоки запущены на отдельных процессорах или ядрах. Увеличение числа потоков обычно значительно улучшает время выполнения, но увеличивает объем потребляемой памяти.
Пример 4
Типы данных: double
OutputDirectory — Директория, чтобы сохранить результаты анализаcurrentDirectory) (значение по умолчанию) | представляет в виде строки | вектор символовДиректория, чтобы сохранить результаты анализа в виде строки или вектора символов.
Пример: "./AnalysisResults/"
Типы данных: char | string
Seed — Отберите для генератора случайных чиселОтберите для генератора случайных чисел в виде неотрицательного целого числа. Установка начального значения гарантирует воспроизводимость результатов анализа.
Пример: 10
Типы данных: double
TimeSeries — Отметьте, чтобы обработать входные выборки как временные рядыfalse (значение по умолчанию) | trueОтметьте, чтобы обработать входные выборки как временные ряды, а не как независимые экспериментальные условия в виде true или false. Если вы устанавливаете значение к true, необходимо обеспечить выборки в порядке увеличивающегося времени: первый файл SAM должен быть впервые точкой, вторым файлом SAM для точки второго раза, и так далее.
Пример:
true
Типы данных: логический
Version — Поддерживаемая версияЭто свойство доступно только для чтения.
Поддерживаемая версия исходного программного обеспечения запонок, возвращенного как строка.
Пример: "2.2.1"
Типы данных: string
getCommand | Переведите свойства объектов в исходный синтаксис опций |
getOptionsTable | Возвратите таблицу со всеми свойствами и эквивалентные опции в исходном синтаксисе |
Создайте CuffDiffOptions объект со значениями по умолчанию.
opt = CuffDiffOptions;
Создайте объект с помощью пар "имя-значение".
opt2 = CuffDiffOptions('FalseDiscoveryRate',0.01,'NumThreads',4)
Создайте объект при помощи исходного синтаксиса.
opt3 = CuffDiffOptions('--FDR 0.01 --num-threads 4')Создайте CufflinksOptions объект задать опции запонок, такие как количество параллельных потоков и выходной директории, чтобы сохранить результаты.
cflOpt = CufflinksOptions;
cflOpt.NumThreads = 8;
cflOpt.OutputDirectory = "./cufflinksOut";Файлы SAM предусмотрели этот пример, содержат выровненные чтения для Микоплазмы pneumoniae от двух выборок с три, реплицирует каждого. Чтения симулированы 100bp-чтения для двух генов (gyrA и gyrB) расположенный друг рядом с другом на геноме. Все чтения сортируются по ссылочному положению, как требуется по cufflinks.
sams = ["Myco_1_1.sam","Myco_1_2.sam","Myco_1_3.sam",... "Myco_2_1.sam", "Myco_2_2.sam", "Myco_2_3.sam"];
Соберите транскриптом от выровненных чтений.
[gtfs,isofpkm,genes,skipped] = cufflinks(sams,cflOpt);
gtfs список файлов GTF, которые содержат собранные изоформы.
Сравните собранное использование изоформ cuffcompare.
stats = cuffcompare(gtfs);
Объедините собранное использование расшифровок стенограммы cuffmerge.
mergedGTF = cuffmerge(gtfs,'OutputDirectory','./cuffMergeOutput');
mergedGTF отчеты только одна расшифровка стенограммы. Это вызвано тем, что два гена интереса расположены друг рядом с другом, и cuffmerge не может отличить два отличных гена. Вести cuffmerge, используйте ссылочный GTF (gyrAB.gtf) содержа информацию об этих двух генах. Если файл не расположен в той же директории, которую вы запускаете cuffmerge от, необходимо также задать путь к файлу.
gyrAB = which('gyrAB.gtf'); mergedGTF2 = cuffmerge(gtfs,'OutputDirectory','./cuffMergeOutput2',... 'ReferenceGTF',gyrAB);
Вычислите распространенности (уровни экспрессии) от выровненных чтений для каждой выборки.
abundances1 = cuffquant(mergedGTF2,["Myco_1_1.sam","Myco_1_2.sam","Myco_1_3.sam"],... 'OutputDirectory','./cuffquantOutput1'); abundances2 = cuffquant(mergedGTF2,["Myco_2_1.sam", "Myco_2_2.sam", "Myco_2_3.sam"],... 'OutputDirectory','./cuffquantOutput2');
Оцените значение изменений в выражении для генов и расшифровок стенограммы между условиями путем выполнения использования тестирования дифференциала cuffdiff. cuffdiff функция действует на двух отличных шагах: функция сначала оценивает распространенности от выровненных чтений, и затем выполняет статистический анализ. В некоторых случаях (например, распределяя вычисляющий загрузку через несколько рабочих), выполнение двух шагов отдельно желательно. После выполнения первого шага с cuffquant, можно затем использовать бинарный выходной файл CXB в качестве входа к cuffdiff выполнять статистический анализ. Поскольку cuffdiff возвращает несколько файлов, укажите, что выходная директория рекомендуется.
isoformDiff = cuffdiff(mergedGTF2,[abundances1,abundances2],... 'OutputDirectory','./cuffdiffOutput');
Отобразите таблицу, содержащую дифференциальные результаты испытаний выражения для этих двух генов gyrB и gyrA.
readtable(isoformDiff,'FileType','text')
ans =
2×14 table
test_id gene_id gene locus sample_1 sample_2 status value_1 value_2 log2_fold_change_ test_stat p_value q_value significant
________________ _____________ ______ _______________________ ________ ________ ______ __________ __________ _________________ _________ _______ _______ ___________
'TCONS_00000001' 'XLOC_000001' 'gyrB' 'NC_000912.1:2868-7340' 'q1' 'q2' 'OK' 1.0913e+05 4.2228e+05 1.9522 7.8886 5e-05 5e-05 'yes'
'TCONS_00000002' 'XLOC_000001' 'gyrA' 'NC_000912.1:2868-7340' 'q1' 'q2' 'OK' 3.5158e+05 1.1546e+05 -1.6064 -7.3811 5e-05 5e-05 'yes'
Можно использовать cuffnorm сгенерировать нормированные таблицы выражения для последующих анализов. cuffnorm результаты полезны, когда у вас есть много выборок, и вы хотите кластеризировать их или уровни экспрессии графика для генов, которые важны в вашем исследовании. Обратите внимание на то, что вы не можете выполнить дифференциальное аналитическое использование выражения cuffnorm.
Задайте массив ячеек, где каждым элементом является вектор строки, содержащий имена файлов для одной выборки с, реплицирует.
alignmentFiles = {["Myco_1_1.sam","Myco_1_2.sam","Myco_1_3.sam"],...
["Myco_2_1.sam", "Myco_2_2.sam", "Myco_2_3.sam"]}
isoformNorm = cuffnorm(mergedGTF2, alignmentFiles,...
'OutputDirectory', './cuffnormOutput');
Отобразите таблицу, содержащую нормированные уровни экспрессии для каждой расшифровки стенограммы.
readtable(isoformNorm,'FileType','text')
ans =
2×7 table
tracking_id q1_0 q1_2 q1_1 q2_1 q2_0 q2_2
________________ __________ __________ __________ __________ __________ __________
'TCONS_00000001' 1.0913e+05 78628 1.2132e+05 4.3639e+05 4.2228e+05 4.2814e+05
'TCONS_00000002' 3.5158e+05 3.7458e+05 3.4238e+05 1.0483e+05 1.1546e+05 1.1105e+05
Имена столбцов начиная с q имеют формат: conditionX_N, указывая, что столбец содержит значения для, реплицируют N conditionX.
[1] Trapnell, Капуста, Брайан А Уильямс, Гео Pertea, Али Мортэзэви, Гордон Кван, Мэриджк Дж ван Бэрен, Стивен Л Залцберг, Барбара Дж Уолд и Лайор Пэчтер. “Блок расшифровки стенограммы и Квантификация RNA-Seq Показывают Неаннотируемые Расшифровки стенограммы и Изоформу, Переключающуюся во время Клеточной дифференцировки”. Биотехнология природы 28, № 5 (май 2010): 511–15.
[2] Андерс, Саймон и Вольфганг Хубер. “Дифференциальный Анализ Выражения для Последовательности считает Данные”. Биология генома 11, № 10 (октябрь 2010): R106. https://doi.org/10.1186/gb-2010-11-10-r106.
[3] Mortazavi, Али, Брайан А Уильямс, Кеннет Макку, Лориэн Шэеффер и Барбара Уолд. “Сопоставляя и Определяя количество Транскриптомов млекопитающих RNA-Seq”. Методы природы 5, № 7 (июль 2008): 621–28. https://doi.org/10.1038/nmeth.1226.
cufflinks | CufflinksOptions | cuffcompare | cuffdiff | cuffmerge | cuffnorm | cuffquant | cuffgtf2sam | cuffgffread
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.