LUMPY 使用与技术文档
2024-12-27 18:05:54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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
Qt控件CSS样式实例大全 - 打造现代化GUI界面的终极指南 2023年最新HTMLCSSJS组件库:提升前端开发效率的必备资源 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 IK分词器elasticsearch-analysis-ik-7.17.16:中文文本分析的最佳解决方案 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 SAP S4HANA物料管理资源全面解析:从入门到精通的完整指南 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
316
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
155
178
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++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
241
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K