Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > q-bio > arXiv:1608.01753v1

帮助 | 高级搜索

定量生物学 > 基因组学

arXiv:1608.01753v1 (q-bio)
[提交于 2016年8月5日 ]

标题: Sam2bam:高性能的NGS数据预处理工具框架

标题: Sam2bam: High-Performance Framework for NGS Data Preprocessing Tools

Authors:Takeshi Ogasawara, Yinhe Cheng, Tzy-Hwa Kathy Tzeng
摘要: 本文介绍了一种名为{\it sam2bam}的高吞吐量软件工具框架,该框架使用户能够显著加速下一代测序数据的预处理。 sam2bam 在单节点多核大内存系统上特别高效。 与事实上的标准工具相比,它可以在单节点系统上将标记重复读数的数据预处理运行时间减少 156-186 倍。 sam2bam 包含并行软件组件,可以充分利用多个处理器、可用内存、存储的高带宽以及可用的硬件压缩加速器。 sam2bam 提供了在知名基因组文件格式之间进行文件格式转换的基本功能,例如从 SAM 到 BAM。 {\it 插件}工具提供了诸如分析、过滤和转换输入数据等附加功能,例如重复标记,这些功能可以在运行时附加到 sam2bam 上。 我们证明了在使用最多 130 GB 内存的 16 核单节点系统上,sam2bam 可以将全外显子数据集的 NGS 数据预处理运行时间从大约两个小时减少到大约一分钟。 在使用最多 711 GB 内存的同一系统上,sam2bam 可以将全基因组测序数据的运行时间从大约 20 小时减少到大约九分钟。
摘要: This paper introduces a high-throughput software tool framework called {\it sam2bam} that enables users to significantly speedup pre-processing for next-generation sequencing data. The sam2bam is especially efficient on single-node multi-core large-memory systems. It can reduce the runtime of data pre-processing in marking duplicate reads on a single node system by 156-186x compared with de facto standard tools. The sam2bam consists of parallel software components that can fully utilize the multiple processors, available memory, high-bandwidth of storage, and hardware compression accelerators if available. The sam2bam provides file format conversion between well-known genome file formats, from SAM to BAM, as a basic feature. Additional features such as analyzing, filtering, and converting the input data are provided by {\it plug-in} tools, e.g., duplicate marking, which can be attached to sam2bam at runtime. We demonstrated that sam2bam could significantly reduce the runtime of NGS data pre-processing from about two hours to about one minute for a whole-exome data set on a 16-core single-node system using up to 130 GB of memory. The sam2bam could reduce the runtime for whole-genome sequencing data from about 20 hours to about nine minutes on the same system using up to 711 GB of memory.
主题: 基因组学 (q-bio.GN)
引用方式: arXiv:1608.01753 [q-bio.GN]
  (或者 arXiv:1608.01753v1 [q-bio.GN] 对于此版本)
  https://doi.org/10.48550/arXiv.1608.01753
通过 DataCite 发表的 arXiv DOI
相关 DOI: https://doi.org/10.1371/journal.pone.0167100
链接到相关资源的 DOI

提交历史

来自: Takeshi Ogasawara [查看电子邮件]
[v1] 星期五, 2016 年 8 月 5 日 04:04:18 UTC (165 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
q-bio.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2016-08
切换浏览方式为:
q-bio

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号