从SRA和GA4GH访问流式传输NGS的实用程序。
ngstream的Python项目详细描述
ngstream：从公共数据库流式NGS读取
ngstream是一个小的python（3.6+）库，它可以很容易地将NGS从Sequence Read Archive（SRA）、GA4GH和（最终）其他公共数据库（给定登录号）流化。在
依赖关系
- 与SRA交互需要安装NGS和python语言绑定。按照说明here。我们建议从bioconda或自制（
brew install sratookkit）安装SDK，然后从GitHub安装python库。在 - 在BAM/CRAM（例如，使用Htsget下载）和SAM/FASTQ之间转换需要pysam。在
请注意，SRA工具箱默认缓存下载的数据——如果您神秘地耗尽了硬盘空间，这可能就是原因所在。有关如何配置/禁用缓存的说明是here。如果要更改缓存位置，请使用以下命令（它不会返回0，但仍然有效）：
vdb-config --root -s /repository/user/main/public/root=<TARGET_DIR>
安装
^{pr2}$源代码构建
克隆此存储库并运行：
make
从SRA访问读取
importngstream# Use the API to stream reads within your own python program.withngstream.open("SRR3618567",protocol="sra")asreader:forrecordinreader:# `record` is an `ngstream.api.Record` object if the data is# single-end, and a `ngstream.api.Fragment` object if the data# is paired-end.print(record.as_fastq())
使用HTSGet访问读取
importngstreamfrompathlibimportPathurl='https://era.org/hts/ABC123'ref=ngstream.GenomeReference("GRCh37",Path("GRCh37_sizes.txt"))withngstream.open(url,protocol="htsget",reference=ref)asreader:forpairinreader:print("\n".join(str(read)forreadinpair))
将读取内容转储到一个文件（或一对文件）
importngstream# Grab 1000 read pairs from an SRA run and write them to FASTQ files.accession='SRR3618567'withngstream.open("SRR3618567",protocol="sra",item_limit=1000)asreader:files=ngstream.dump_fastq(reader)print(f"Wrote {reader.read_count} reads from {accession} to {files[0]}, {files[1]}")
使用命令行工具
# Dump all reads from the ABC123 dataset to ABC123.bam in the current directory.
$ htsget_dump https://era.org/hts/ABC123
文件
很快就要来了
开发商
- 我们欢迎通过拉式请求进行投稿。在
- 单元测试是非常理想的。在
- 在样式方面，我们强制使用black代码样式。请使用
make reformat。在 - 我们使用Google风格的docstring，它由Napoleon Sphinx Plugin格式化。在
- 我们运行派林作为每个构建的一部分，并努力保持10/10的分数。在
- 我们执行Code of Conduct。在
- 项目
标签：
欢迎加入QQ群-->： 979659372
