宏基因组数据处理 - Nanopore下机数据fast5格式

最新推荐文章于 2024-08-12 21:02:13 发布

EmmettPeng

最新推荐文章于 2024-08-12 21:02:13 发布

阅读量3.7k

点赞数 2

分类专栏：生物信息学 #宏基因组分析

本文链接：https://blog.csdn.net/Emmett_Bioinfo/article/details/113847543

版权

过年期间，我的三代Nanopore测序数据回来了。本来期待的是几十G的数据吧，结果人家寄来的硬盘上来就是两三T，人直接傻了。经过整理，发现测序公司送来的数据分有两种类型，一种就是我们熟悉的FASTQ格式的文件，只算这些文件的话，应该就是我预料之内的数据量；而数据量中相当大一部分是.fast5格式的文件，我也是第一次处理Nanopore下机数据，这里也是查阅了一些相关的材料，整理下写成一份学习笔记。

HDF5格式和FAST5格式

.fast5格式实际上是在HDF5格式上的一种变体，不少讲.fast5文件的文档中都会提到HDF5。HDF是Hierarchical Data Format的首字母缩写，从名字上就可以看出来这种文件格式储存信息的方式是层级嵌套的（hierarchical, nested）。它采用chunking（分解）的方式来存储多维数据，它内部表现出来的是类似于文件夹（树）的结构。由于这种文件层级分解的特性，想要获取某一部分信息，只需要获得该部分信息所在的chunk即可，这样就让这种文件格式非常的flexible，也非常适合用于多种编程语言来处理。
.fast5格式是Oxford推出Nanopore测序之后在HDF5格式的基础上设计用于存储Nanopore测序信息的文件。我随便打开一个我的测序结果里的.fast5结果，如果用cat命令打开看的话，发现并没有什么卵用，查了一下，可以通过hdf5-tools来查看。接下来我随便一个fast5看一下。