Eric Coissac
708b0abf9b
Refactor the query pipeline to buffer partition outputs into a per-sequence `seq_results` vector, deferring final accumulation until all partitions complete. This ensures global position ordering before computing k-mer presence, counts, and coverage statistics. Additionally, removes a resolved TODO and documents a known BLAST false-positive issue where chloroplast and bacterial contaminants yield unrealistic high-confidence matches.
61 lines
2.8 KiB
Markdown
61 lines
2.8 KiB
Markdown
## A finir dans le cadre de l'extension des index à une forme approximative
|
|
|
|
- Il faut avoir un chemin explicite pour construire en mode exact avec des méthodes qui ont ce mot exact à l'intérieur.
|
|
- pub fn find_exact (src/obilayeredmap/src/mphf_layer.rs)
|
|
- pub fn build_exact_evidence (src/obilayeredmap/src/layer.rs)
|
|
|
|
Comme elles existent actuellement pour le mode approx.
|
|
|
|
Ensuite, il faudra définir des méthodes génériques
|
|
- find()
|
|
- build_evidence()
|
|
|
|
qui utilise la bonne version suivant le mode de l'index de manière complètement transparente.
|
|
Avec ce système, tout le reste du code devrait être insensible au fait que l'on utilise un index exact ou approximatif.
|
|
|
|
Sauf qu'avec un index approximatif, les résultats seront approximatifs.
|
|
|
|
|
|
## commandes à ajouter
|
|
|
|
- aggregate : aggrege toutes les colonnes d'une matrice d'index en une seule colonne.
|
|
|
|
- query : scan un fichier de sequences et retourne pour chaque sequence quels kmer sont présents dans l'index et dans quel genomes
|
|
--detail et --mismatch à implementer
|
|
|
|
- status : affiche le statut de l'index
|
|
|
|
## Problème biologique sur l'identification des contaminants
|
|
|
|
Exemple de reads problématiques:
|
|
```
|
|
>LH00534:161:22WMGWLT4:4:1101:45301:1420 {"coverage":{"gbbct":[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1]},"kmer_count":117,"kmer_strict_matches":{"gbbct":117}}
|
|
GCCCCTACCGTACTCCAGCTTGGTAGTTTCCACCGCCTGTCCAGGGTTGAGCCCTGGGATTTGACGGCGGACTTAAAAAGCCACCTACAGACGCTTTACGCCCAATCATTCCGGATAACGCTTGCATCCTCTGTATTACCGCGGCTGCTGG
|
|
```
|
|
|
|
Par blast match une quantité invréssemblable de genomes chloroplastique avec un match de 100% (6554 hits pour Streptophyta)
|
|
|
|
mais aussi une quantité de sequences importantes à des OTU bactériennes (uncutured bacteria 115 hits) aussi avec 100% de similarité.
|
|
|
|
```
|
|
Uncultured bacterium clone Otu01032 16S ribosomal RNA gene, partial sequence
|
|
Sequence ID: KX996137.1Length: 440Number of Matches: 1
|
|
Range 1: 153 to 303GenBankGraphics
|
|
Next Match
|
|
Previous Match
|
|
Alignment statistics for match #1 Score Expect Identities Gaps Strand
|
|
273 bits(302) 2e-69 151/151(100%) 0/151(0%) Plus/Minus
|
|
|
|
Query 1 GCCCCTACCGTACTCCAGCTTGGTAGTTTCCACCGCCTGTCCAGGGTTGAGCCCTGGGAT 60
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
Sbjct 303 GCCCCTACCGTACTCCAGCTTGGTAGTTTCCACCGCCTGTCCAGGGTTGAGCCCTGGGAT 244
|
|
|
|
Query 61 TTGACGGCGGACTTAAAAAGCCACCTACAGACGCTTTACGCCCAATCATTCCGGATAACG 120
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
Sbjct 243 TTGACGGCGGACTTAAAAAGCCACCTACAGACGCTTTACGCCCAATCATTCCGGATAACG 184
|
|
|
|
Query 121 CTTGCATCCTCTGTATTACCGCGGCTGCTGG 151
|
|
|||||||||||||||||||||||||||||||
|
|
Sbjct 183 CTTGCATCCTCTGTATTACCGCGGCTGCTGG 153
|
|
```
|