SplAdder项目文件格式详解:从输入到输出的完整指南
概述
SplAdder是一个用于分析可变剪接事件的强大工具,它能够从RNA测序数据中检测和量化各种类型的剪接变异。本文将全面解析SplAdder项目中的各类文件格式,包括输入文件要求、输出文件结构及其内容解析,帮助用户更好地理解和使用这一工具。
输入文件格式
注释文件
SplAdder接受两种标准格式的注释文件作为输入:
-
GTF格式 (Gene Transfer Format)
- 文件扩展名必须为
.gtf
- 遵循Ensembl规范的标准格式
- 包含基因、转录本和exon等特征信息
- 文件扩展名必须为
-
GFF格式 (General Feature Format)
- 文件扩展名必须为
.gff
- 遵循Broad研究所或UCSC的标准规范
- 提供基因组特征的注释信息
- 文件扩展名必须为
注意事项:SplAdder通过文件扩展名自动识别格式类型,因此必须确保文件扩展名正确无误。
比对文件
SplAdder要求所有比对文件必须符合以下规范:
- BAM格式:二进制格式的比对文件
- 遵循SAM规范:包括所有必填字段和可选字段
- 已验证兼容的比对工具:
- STAR
- PALMapper
- TopHat
构建模式(build)输出文件
GFF3格式注释文件
SplAdder会生成包含检测到的剪接事件的GFF3格式文件,命名模式为:
merge_graphs_<event_type>_C<confidence_level>.confirmed.gff3
文件特点:
- 每个事件表示为包含两种不同亚型的微型基因
- 采用标准GFF3格式,兼容主流基因组浏览器
- 示例内容解析(以exon skip事件为例):
Chr1 exon_skip gene 7616027 7616726 . + . ID=exon_skip.1;GeneName="AT1G21690"
Chr1 exon_skip mRNA 7616027 7616726 . + . ID=exon_skip.1_iso1;Parent=exon_skip.1
Chr1 exon_skip exon 7616027 7616107 . + . Parent=exon_skip.1_iso1
Chr1 exon_skip exon 7616603 7616726 . + . Parent=exon_skip.1_iso1
HDF5格式事件文件
HDF5是一种高效的层次化数据格式,SplAdder使用它存储所有相关事件信息。
文件结构解析:
- 采用类似文件系统的树状结构组织数据
- 主要包含以下数据集(datasets)和组(groups):
数据集名称 | 描述内容 |
---|---|
conf_idx | 确认事件的索引 |
confirmed | 事件确认状态(二进制数组) |
event_counts | 三维矩阵(S×F×E):样本×特征×事件 |
event_features | 事件特征的描述列表 |
event_pos | 事件exon的位置(start/stop对) |
gene_chr | 基因所在染色体 |
gene_idx | 事件到基因的映射索引 |
gene_names | 基因名称列表 |
gene_pos | 基因位置(start/stop对) |
gene_strand | 基因链方向 |
num_verified | 验证标准满足情况的计数矩阵 |
iso1/iso2 | 支持两种亚型的剪接读数 |
psi | 剪接百分比(PSI)值矩阵 |
samples | 样本名称列表 |
特征命名规则:
- 基于exon片段的编号系统
- 示例:
e1e3_conf
表示连接exon片段1和3的剪接比对计数 - 正链和负链的编号方向不同
各事件类型的特征定义
-
alt_3prime/alt_5prime事件:
- 包含有效性标志、各exon片段覆盖度、剪接确认计数等
-
exon_skip事件:
- 包含侧翼exon和跳跃exon的覆盖度、各种剪接连接确认计数
-
intron_retention事件:
- 包含侧翼exon和保留内含子的覆盖度、剪接确认计数等
-
mult_exon_skip事件:
- 扩展了exon_skip的特征,增加了跳跃exon数量、长度等额外信息
-
mutex_exons事件:
- 包含四个exon片段的覆盖度和多种剪接连接确认计数
验证标准
每种事件类型都有特定的验证标准,用于确定事件在样本中是否有效:
- 多exon跳跃:exon坐标有效性、覆盖度比较、各内含子剪接计数等
- 内含子保留:保留标准、非保留计数阈值等
- exon跳跃:跳跃exon覆盖度、内含子剪接计数等
- 可变3'/5'端:差异区域覆盖度、两种可变内含子计数
- 互斥exon:两种可变exon的覆盖度、相邻内含子确认等
TXT格式事件文件
文本格式的事件文件包含与HDF5文件相同的信息,采用制表符分隔的列格式:
- 每行代表一个事件
- 包含染色体、链、事件ID、基因名等基本信息
- 后续列包含各样本的特征计数数据
- 特征定义与HDF5文件一致
测试模式(test)输出文件
文本格式结果文件
测试模式生成三种主要的文本输出文件:
-
基本测试结果(per event):
- 文件名:
test_results_C{C}_{ET}.tsv
- 包含15列关键信息:事件ID、位置、基因信息、p值、dPSI值、表达量等
- 文件名:
-
基本测试结果(per gene):
- 文件名:
test_results_C{C}_{ET}.gene_unique.tsv
- 每个基因只报告最显著的事件
- 列定义与基本测试结果相同
- 文件名:
-
扩展测试结果:
- 文件名:
test_results_extended_C{C}_{ET}.tsv
- 包含基本结果的15列加上各样本的具体计数和离散度估计
- 文件名:
诊断图表
测试模式可生成多种诊断图表(需启用--diagnose-plots
选项):
-
计数分布图:
- 展示测试组/条件下事件的支持计数和基因表达分布
- 提供原始计数和对数转换版本
-
MA图:
- 展示各事件的log2倍数变化与平均标准化计数的关系
-
离散度图:
- 包含原始离散度估计、离散度拟合和调整后离散度三个子图
-
QQ图:
- 比较p值分布与均匀分布的差异
- 可用于检测p值的过度膨胀现象
- 提供原始和调整后p值两个版本
总结
SplAdder提供了丰富而规范的输入输出文件格式,支持从原始数据到最终分析结果的完整流程。理解这些文件格式对于正确使用SplAdder和解释其结果至关重要。HDF5格式的高效存储和文本格式的可读性相结合,既满足了大规模数据分析的需求,也方便了人工检查和结果解读。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
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!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









