DNA-kmers_analysis

Python Jupyter-notebook to analyze k-mers in DNA reads.

Progetto

Presi in input un file FASTQ di reads di lunghezza costante, una soglia di frequenza F (tra 0 e 1) e una lunghezza k, produrre in output il report dell'uso dei k-mers per posizione nei reads in input. Un k-mer è una sottostringa di read di lunghezza k. Il report deve presentare per ciascun k-mer che ha una frequenza almeno pari a F (nel dataset di input) quante volte appare in ciascuna delle posizioni dei reads dalla prima a L - k + 1 (L: lunghezza dei reads). Selezionare il k-mer che appare più volte in una certa posizione e produrre in un file FASTA i reads che lo contengono (in quella posizione) con la loro qualità media.

Input

• File FASTQ di una o più reads (SRR18961685-5000.fastq è un esempio);
• F: soglia di frequenza minima;
• k: lunghezza dei k-meri

Output

File FASTA contente i reads selezionati e le loro qualità medie.

Parametri

• L : lunghezza dei reads (costante);
• N : numero dei reads