个人比较熟悉FASTA 或者FASTQ文件格式,PacBio 测序得到的数据以hdf5格式存储,在应用过程中如果需要输入相应的fasta 或者fastq格式,需要格式转换。
格式转化工具推荐:Pacbio: extract fastq from h5 file based on quality filtering
我选用的是: dextractor
dextractor 是用c实现的,编译过程依赖hdf5库,需要先安装hdf5库。
第一步:编译安装hdf5库。
hdf5库的下载:HDF5 Source Code
编译安装hdf5的教程在目录 release_docs/中,参数默认,只需要设置安装路径(非root用户)
Instructions for building HDF5 can be found in the
release_docs/
directory in the source code.
第二步:编译安装dextractor
git clone git@github.com:thegenemyers/DEXTRACTOR.git
修改Makefile 中hdf5的路径为第一步中hdf5安装的位置。
make 编译可能会出错,GitHub issue中有提到,需要把代码中 DB_CSS 修改为DB_CCS,编译通过。
第三步:运行dextract
给出个example, 详细参数见GitHub README.
./dextract -v input.bax.h5