LUMPY 使用与技术文档
2024-12-27 13:26:45作者:何举烈Damon
本文档旨在帮助用户了解和安装LUMPY软件包,并详细介绍其使用方法和API文档,以便更好地利用这一概率框架进行结构变异检测。
1. 安装指南
环境要求
LUMPY安装需要以下环境和依赖:
- g++编译器
- CMake
- (可选)LUMPY Express需要Samtools (0.1.18+)、SAMBLASTER (0.1.19+)、Python 2.7以及相关库
安装步骤
- 克隆项目仓库:
git clone --recursive https://github.com/arq5x/lumpy-sv.git - 进入项目目录并编译:
cd lumpy-sv make - 将编译后的bin目录下的文件复制到系统路径下:
cp bin/* /usr/local/bin/.
如遇到安装自定义zlib的问题,可以设置环境变量ZLIB_PATH并重新编译。
2. 项目使用说明
快速开始
如果您想快速开始使用LUMPY,可以按照以下步骤操作:
- 下载并安装LUMPY:
git clone --recursive https://github.com/arq5x/lumpy-sv.git cd lumpy-sv make cp bin/* /usr/local/bin/. - 运行LUMPY Express:
lumpyexpress \ -B my.bam \ -S my.splitters.bam \ -D my.discordants.bam \ -o output.vcf
3. 项目API使用文档
LUMPY提供了两种使用方式:LUMPY Express和传统的LUMPY。以下是两种方式的基本使用说明:
LUMPY Express
LUMPY Express为标准分析提供了自动化的断点检测。
基本用法:
lumpyexpress [options]
必须参数:
-B FILE 坐标排序的BAM文件
-S FILE 分割 reads 的BAM文件
-D FILE 离群 reads 的BAM文件
可选参数:
-o STR 输出文件名
-x FILE 排除的BED文件
-P 为每个变异输出概率曲线
-m INT 最小样本权重
-r FLOAT 裁剪阈值
-T DIR 临时文件目录
-k 保留临时文件
-K FILE lumpyexpress配置文件路径
-v 详细模式
-h 显示帮助信息
传统LUMPY
传统的LUMPY提供了灵活且可定制的断点检测。
基本用法:
lumpy [options]
选项:
-g 基因组文件(定义染色体顺序)
-e 显示每个调用的证据
-w 文件读取窗口大小
-mw 所有样本的最小权重
-msw 每个样本的最小权重
-tt 裁剪阈值
-x 排除文件(bed文件)
-t 临时文件前缀
-P 为每个变异输出概率曲线
-b 输出为BEDPE格式而非VCF
更多高级用法和选项,请参考项目文档。
4. 项目安装方式
本文档已在上文详细说明了LUMPY的安装方式,包括所需环境、安装步骤以及可能的定制安装选项。按照上述步骤操作,即可完成LUMPY的安装。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案
项目优选
收起
deepin linux kernel
C
26
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
420
3.22 K
Ascend Extension for PyTorch
Python
230
261
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
330
暂无简介
Dart
685
160
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
666
仓颉编译器源码及 cjdb 调试工具。
C++
136
869