معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A program to estimate microbial richness from metagenomic sequencing data by counting k-mers

ویژگی	مقدار
سیستم عامل	-
نام فایل	eskrim-1.0.8
نام	eskrim
نسخه کتابخانه	1.0.8
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Florian Plaza Oñate
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/eskrim/
مجوز	-

# ESKRIM: EStimate with K-mers the RIchness in a Microbiome # ESKRIM is a reference-free tool that compares microbial richness in shotgun metagenomic samples by counting k-mers ## Installation via pip ## ``` pip install eskrim ``` ## Usage ## ### Basic usage ### In this example, k-mer richness in a sample (sample1) consisting in two paired-end runs (run1 and run2) is computed.\ Forward fastq files are taken as input. Results are saved in the file *sample1.eskrim_stats.tsv* ``` eskrim -i sample1.run1_1.fastq.gz sample1.run2_1.fastq.gz -n sample1 -s sample1.eskrim_stats.tsv ``` **Quality control** (adapters removal, read trimming) and **contaminant removal** (reads from the host genome) should be performed before using ESKRIM. Run ESKRIM similarly for each sample to be compared. All TSV output files can be merged manually. ### Advanced usage ### #### Adjusting target read count for subsampling #### Depending on the sequencing depth, the target number of reads to randomly draw from each sample (default = 10M) can be adjusted with the *-r* parameter. ``` eskrim -i sample1.run1_1.fastq.gz sample1.run2_1.fastq.gz -n sample1 -s sample1.eskrim_stats.tsv -r 5000000 ``` #### Adjusting read length ### All reads are trimmed to a given length (default = 80) because read length can vary between samples.\ This length can be changed with the *-l* parameter. ``` eskrim -i sample1.run1_1.fastq.gz sample1.run2_1.fastq.gz -n sample1 -s sample1.eskrim_stats.tsv -l 100 ``` #### Reproducibility ### ESKRIM ensures reproducibility when using the same random number generator seed (default = 0).\ To make read subsampling vary across executions, the parameters --seed can be used. ``` eskrim -i sample1.run1_1.fastq.gz sample1.run2_1.fastq.gz -n sample1 -s sample1.eskrim_stats.tsv --seed 1234 ``` ## Interpreting the output file ## ESKRIM saves the results in a TSV file consisting in several columns (*-s* parameter). * *sample_name* : sample name specified with *-n* parameter. * *total_num_reads* : number of reads in the sample before subsampling. * *num_Ns_reads_ignored* : number of reads with undetermined bases that were discarded. * *num_too_short_reads_ignored* : number of reads with undetermined bases that were discarded. * *target_num_reads* : target number of reads to draw during the subsampling step. * *num_selected_reads* : number of reads actually drawn after subsampling. * *read_length* : length at which reads were trimmed (*-l* parameter). * *kmer_length* : length of counted k-mers (*-k* parameter). * *num_distinct_kmers* : number of distinct kmers in subsampled reads. * *num_solid_kmers* : number of kmers seen at least twice. * *num_mercy_kmers* : number of non-solid kmers occuring in a read where all k-mers are not solid.\ __From our experience, the sum 'num_solid_kmers + num_mercy_kmers' is an accurate proxy to compare microbial richness between samples.__ **WARNING**: Do not consider results when *num_selected_reads* is strictly lower than *target_num_reads*.\ In this case, ignore the samples concerned or decrease the number of reads to be drawn randomly (*-r* parameter). ## Authors ## * Florian Plaza Oñate: florian.plaza-onate@inrae.fr * Emmanuelle Le Chatelier: emmanuelle.le-chatelier@inrae.fr

نیازمندی

مقدار	نام
-	pyjellyfish

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl eskrim-1.0.8:

pip install eskrim-1.0.8.whl

نصب پکیج tar.gz eskrim-1.0.8:

pip install eskrim-1.0.8.tar.gz