Package: dazzdb (1.0+git20201103.8d98c37-1+deb11u1)

Håndter data for nukleotidsekventeringslæsning

For at lette de mange faser i Dazzler-assembleren, så bliver alle de aflæste data organiseret i, hvad der reelt er en database over læsningerne og deres metainformation. Designmålene for denne database er som følger:

 * Databasen gemmer kildeinformationerne for Pacbiolæsninger på en sådan
   måde, at de kan genskabe de oprindelige inddata, hvilket tillader,
   at en bruger kan fjerne (reelt overflødige) kildefilerne. Dermed
   undgås duplikering af de samme data, en gang i kildefilen, og en gang
   i databasen.
 * Databasen kan opbygges trinvist, der er ny sekvens
   data kan tilføjes til databasen over tid.
 * Databasen fleksibelt tillade en at gemme eventuelle alle metadata
   for læsninger. Dette opnås med begrebet *spor*, som en der
   implementerer kan tilføje efter behov.
 * Dataene holdes i en komprimeret form svarende til .dexta- og
   .dexqv-filer fra dataudtræksmodulet. Både .fasta- og
   .quiva-oplysninger for hver læsning holdes i databasen og kan være
   genskabt fra det. .quiva-oplysninger kan tilsættes separat og
   senere, hvis det ønskes.
 * For at lette parallelle job har databasen klyngedrift af faser for
   assembleren for en *nuværende partitionering* hvori alle
   læsninger, der er over en given længde og eventuelt
   unik for en brønd, er delt op i *blokke* der indeholder cirka en
   bestemt antal baser, undtagen måske den sidste blok, som kan have
   et lille antal. Ofte kan programmer køre på blokke eller blokpar
   og hver sådant job er rimeligt velafbalanceret da blokkene alle er
   af samme størrelse. Man skal være forsigtig med at ændre partitionen
   under en samling, da dette kan ugyldiggøre strukturel gyldighed
   for eventuelle mellemliggende blokbaserede resultater.

This page is also available in the following languages (How to set the default document language):