Megadepth: efficient coverage quantification for BigWigs and BAMs.
Megadepth: efficient coverage quantification for BigWigs and BAMs.
复制标题
DOI：
10.1093/bioinformatics/btab152
复制
发表时间：
2021-09-29
期刊：
影响因子：
--
通讯作者：
Langmead B
中科院分区：
文献类型：
--
作者：
Wilks C;Ahmed O;Baker DN;Zhang D;Collado-Torres L;Langmead B
总结测序数据集的一种常用方法是量化位于基因或其他基因组间隔内的数据。这可能很慢，并且可能需要针对不同的输入文件类型使用不同的工具。Megadepth是量化BigWig和BAM/CRAM输入文件对齐和覆盖范围的快速工具，比第二快的竞争对手使用更少的内存。Megadepth可以使用32个线程在大约1小时内总结超过19000个GTExV8 BigWig文件的Gencode V35基因注释的所有不连接间隔内的覆盖率。Megadepth既可以作为命令行工具使用，也可以作为R/Bioconductor包使用，与rtracklayer包相比，它提供了更快的量化速度。https://github.com/ChristopherWilks/megadepth, https://bioconductor.org/packages/megadepth。补充数据可在生物信息学网站获得。
A common way to summarize sequencing datasets is to quantify data lying within genes or other genomic intervals. This can be slow and can require different tools for different input file types. Megadepth is a fast tool for quantifying alignments and coverage for BigWig and BAM/CRAM input files, using substantially less memory than the next-fastest competitor. Megadepth can summarize coverage within all disjoint intervals of the Gencode V35 gene annotation for more than 19 000 GTExV8 BigWig files in approximately 1 h using 32 threads. Megadepth is available both as a command-line tool and as an R/Bioconductor package providing much faster quantification compared to the rtracklayer package. https://github.com/ChristopherWilks/megadepth, https://bioconductor.org/packages/megadepth. Supplementary data are available at Bioinformatics online.
登录
查看更多内容
影响因子：
13.6
作者：
Zhang, David;Guelfi, Sebastian;Ryten, Mina
通讯作者：
Ryten, Mina
DOI：
10.1093/bioinformatics/btt737
发表时间：
2014-04-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Zerbino DR;Johnson N;Juettemann T;Wilder SP;Flicek P
通讯作者：
Flicek P
DOI：
10.1093/bioinformatics/btx699
发表时间：
2018-03-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Pedersen BS;Quinlan AR
通讯作者：
Quinlan AR
DOI：
10.1093/bioinformatics/btu056
发表时间：
2014-06-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Pohl A;Beato M
通讯作者：
Beato M
影响因子：
5.8
作者：
Li, Hong;Ding, Guohui;Li, Yixue
通讯作者：
Li, Yixue