的DNABarcodes包提供了创建DNA条形码集的功能，能够纠正替换错误或插入、删除和替换错误。现有的条形码可以根据条形码之间的最小、最大和平均距离进行分析。最后，以一个(可能是突变的)条形码开始的读取可以被解复用，即分配给它们原始的参考条形码。
最常见的用例是:
create.dnabarcodes用于创建具有纠错特性的DNA条形码。
多路分用是用来分解一组基于使用的DNA条形码的读取
analyse.barcodes是用来分析现有DNA条形码的特性，并评估其纠错能力
假设我们想用默认设置生成一组5bp长的条形码。默认情况下，每个DNA条形码之间的汉明距离最小为3，这足以纠正至少一个替换错误:
##加载所需的包:矩阵##加载所需的包:并行mySet <- create.dnabarcodes(5) ## 1)## 2)康威关闭……done show(mySet) ##[1]“GAGAA”“AGCAA”“CCTAA”“CAAGA”“ACGGA”“GTCGA”“TGTGA”“GGACA”“CTGCA”##[10]“TACCA”“CGAAG”“TCGAG”“GTTAG”“ATAGG”“AAGCG”“GAATG”“TGCTG”“ACTTG”##[19]“ACAAC”“CACAC”“TAGGC”“CTTGC”“TTACC”“GATCC”“AGGTC”“GCCAT”“tcct”##[28]“AACGT”“TGGCT”“CAGTT”在默认模式下，使用Conway字典编纂算法生成集合。康威的算法很简单，而且大多数时候都足够高效。当有足够的计算能力时，应该使用Ashlock的进化算法。改变集合生成算法的参数被命名启发式．
mySetAshlock <- create。dnabarcodes(5，启发式="ashlock") ## 1)创建池…##[1]“TGCAT”“TCACT”“TCTGA”“GAGAA”“ACCAA”“CGTAA”“CAAGA”“CAAGA”“GGAAG”“CTCTA”“GGAAG”“TCGAG”“CACAG”“CACAG”“CCAAC”##[19]“TTCGG”“GATGG”“CTACG”“GTGTG”“agtgg”“CCTTG”“CCAAC”##[28]“AGGAC”“GTCAC”“TGAGC”“TGAGC”“GAACC”“TTGCC”“ACTCC”“CAGTC”##[37]“TCCTC”“GGTTC”“gtgc”“gtgc”“tgacc”“TTGCC”“ACTCC”“CAGTC”##“[37]”“TCCTC”“GGTTC”“gtgc”“gtgc”“gtgat”“gtgat”“TAGGT”“agtggt”“agtggt”“AGTGT”“AGTGT”“AGTGT”“AGTGT”“AGTGT”“agtgg”“CCAAC”##“catct”##[46]“cgatt”“acgtt”“gactt”重要的是，当使用阿什洛克的算法时，DNA条形码的集合通常更大。
最后，我们想创建一组5bp长的DNA条形码，支持2个替换的校正。为此，我们使用参数强制最小距离为5经销．
mySetDist5 <- create。dnabarcodes(5, dist=5, heuristic="ashlock") ## 1)创建池…## 2)启动染色体完成## 3)运行贪婪进化完成show(mySetDist5) ##[1]“GATGC”“CTACT”“TCGTA”“AGCAG”错误的数量\ (k_c \)一组DNA条形码可以纠正的错误由下面的公式表示。的变量\ (dist \)给出集合的最小距离。
\[k_c \leq \left\lfloor \frac{dist - 1}{2} \right\rfloor\]
的数量\ (k_d \)的可检测误差为:
\[k_d \leq dist - 1\]
下表显示了常见距离\ (dist \)以及他们的纠错(\ (k_c \))和侦测(\ (k_d \))属性:
| \ (dist \) | \ (k_c \) | \ (k_d \) |
|---|---|---|
| 3. | 1 | 2 |
| 4 | 1 | 3. |
| 5 | 2 | 4 |
| 6 | 2 | 5 |
| 7 | 3. | 6 |
| 8 | 3. | 7 |
| 9 | 4 | 8 |
为了获得足够大的样本集，通常需要增加条形码的长度。在这里，我们想要修正2个替换错误，并且目标至少是20个样本:
展示(长度(创建。dnabarcodes(5, dist=5, heuristic="ashlock"))## 2)启动染色体完成## 3)运行贪婪进化完成##[1]4显示(长度(创建。dnabarcodes(6, dist=5, heuristic="ashlock")) ## 1)创建池…## 2)启动染色体已完成## 3)运行贪婪进化已完成## [1]8 show(长度(创建。dnabarcodes(7, dist=5, heuristic="ashlock")) ## 1)创建池…## 2)启动染色体完成## 3)运行贪婪进化完成## [1]21因此，应该使用7bp长的DNA条形码。
为了生成支持校正插入、删除和替换的DNA条形码集(例如，对于PacBio平台)，必须使用不同的距离度量。在DNA上下文中(即，DNA条形码被其他DNA核苷酸包围)，序列-列文斯坦距离是正确的选择。在这里，我们生成了一组5bp长的DNA条形码，能够纠正一个indel或替换错误。更改距离度量的参数被命名度规：
mySeqlevSet <- create。dnabarcodes(5, metric="seqlev"， heuristic="ashlock") ## 1)创建池…## 2)启动染色体完成## 3)运行贪婪进化完成show(mySeqlevSet) ##[1]“CCGAA”“TTGCG”“GAGTA”“GTCAA”“ACACA”“CTAGG”“AATGG”“TGACC”“CATCC”##[10]“TCTCT”“ACGTT”“GGCTT”序列- levenshtein距离的要求比汉明距离的要求更严格。因此，该集合中的DNA条形码数量更少，但该集合更健壮。
默认情况下,create.dnabarcodes过滤所有含有三联体、显示GC偏倚或自我互补的DNA序列。其中一些过滤器在当前或未来的平台上可能是不必要的。例如，使用Illumina的合成测序技术，三联体过滤器是不必要的。在这里，我们生成一组长度为5bp的默认DNA条形码，而不过滤三连体:
mySetTriplets <- create。dnabarcodes(5, heuristic="ashlock"， filter.triplets=FALSE) ## 1)创建池…##[1]“CGTAA”“AAGGG”“AGCAG”“GCAAA”“CAAGA”“GTTGA”“ACCGA”“GTTGA”“AGACA”##[10]“GAGCA”“CTCCA”“TCTCA”“CCGTA”“CTAAG”“TCGAG”“GATAG”“TTCGG”##[19]“TAACG”“ATTCG”“ACATG”“GTGTG”“CACTG”“TGTTG”“TGAAC”“CAGAC”“GTCAC”##[28]“ACTAC”“ATAGC”“TATGC”“TTGCC”“AACCC”“AGGTC”“CTTTC”##[37]“GGGAT”“CCCAT”“TCAGT”“CTGGT”“GTACT”“ACGCT”##[1]“GGGAT”“CCCAT”“CTGGT”“GTACT”“acgaca”“TTCGG”“GTCAC”##" tgcct " ## [46] " catct " " cgatt " " gcttt "注意，候选条形码池的大小(640)比包含三元组筛选器的默认设置(592)更大。潜在地，这允许创建更大的集合，我们观察到更长的DNA条形码。
在下文中，我们将描述生成现有DNA条形码集的子集的方法。通常情况下，研究人员已经有了一组预先存在的DNA条形码，例如从他的供应商那里获得的化学形式的索引。当需要复用的样本数量较少时，他可以从现有索引中选择一个更健壮的子集，以获得更好的纠错能力。
候选条形码集合被赋给create.dnabarcodes通过参数池．
例如，研究人员可能有一个RNASeq库准备工具包，其中包括48个索引。这个集合已经可以用来纠正1个替换。他创建了一个鲁棒子集，用于纠正2个替换，如下所示:
myRobustSet <- create. data(supplerset)dnabarcodes(7, dist=5, pool=supplierSet, heuristic="ashlock")2)启动染色体完成## 3)运行贪婪进化完成show(myRobustSet) ##[1]“CCGGTTA”“CGATAGC”“AAGATGG”“GGAAGAA”“GATCACA”“TCTTGAG”“AGACCTG”##[8]“ATCGGAC”“CAAGCAT”“TGCAACT”“CTTCGTT”或者，我们可能想要创建一个子集，除了替换之外，它还能够纠正索引:
myRobustSetSeqlev <- create。dnabarcodes(7, metric="seqlev"， pool=supplierSet, heuristic="ashlock") ## 1)正在创建pool…##[1]“AGACCTG”“GGAAGAA”“ATAGGCA”“CTGCAGA”“GCTTAGA”“CCTCTGA”##[8]“GATCACA”“CCAATCA”“GTGGTCA”“TGCACTA”“CCGGTTA”“TGTCCAG”##[15]“AAGATGG”“TTATGCG”“atcgtctg”“CTCCTTG”“CTAGTAC”“CGATAGC”##[22]“CAACTGC”“TCGATCT”“GGTCTCT”解复用是将读取值分配给样本的处理步骤。的解复用很容易实现多路分用函数。在下面的例子中，我们假设有一个文件，其中包含以DNA条形码开始的所有读取。所使用的集合包含48个7nt长的DNA条形码，并生成以纠正最多一个替换。
数据(mutatedReads)分工(头(mutatedReads), supplierSet) # # # #读取条形码距离CCTCAAC CGTCAACCCGTCAACACGTCAACACGTCAACGCGTCAACT CCTCAAC 1 # # GGAAGAA CGAAGAACCGAAGAAACGAAGAACCGAAGAAGCGAAGAAA GGAAGAA 1 # # GTTAGCA GTTAGCAGGTTAGCATGTTAGCAGGTTAGCATGTTAGCAG GTTAGCA 0 # # CCAGGAA TCAGGAACTCAGGAACTCAGGAAGTCAGGAATTCAGGAAT CCAGGAA 1 # # CTAGTAC CAAGTACTCAAGTACCCAAGTACCCAAGTACTCAAGTACG CTAGTAC 1 # # GGTCTCT GGTCACTGGGTCACTAGGTCACTAGGTCACTAGGTCACTT GGTCTCT 1重要的是要提供正确的距离度量多路分用使用参数度规．否则，结果将以意想不到的方式无意地改变。
假设我们从我们的库制剂供应商那里获得了一组样本索引形式的DNA条形码。我们想要分析集合，以了解可以纠正或检测到的错误。这个函数analyse.barcodes很容易做到这一点:
分析。条形码(supplierSet) ##描述hamming seqlev levenshtein ## 1平均距离5.242908 3.656915 4.560284 ## 2中位距离5.000000 4.000000 5.000000 ## 3最小距离3.000000 1.000000 2.000000 ## 4最大距离7.000000 7.000000 7.000000 ## 5保证错误纠正1.000000 0.000000 0.000000 ## 6保证错误检测2.000000 0.000000 1.000000输出表列出了集合中每对DNA条形码的平均值、中位数、最小值和最大距离。最后，它列出了该集合可以达到的保证纠错和检测功能。分析提出了距离度量的选择:Hamming, Sequence-Levenshtein和Levenshtein。
的DNABarcodes软件包目前支持四种距离度量。它们的功能和特性如下:
足够高的汉明距离(公制= "汉明")允许修正/检测替换。由于忽略了插入和删除，因此忽略了对条形码长度和DNA上下文的任何更改，这使得汉明距离成为一个简单的选择。
足够高的序列Levenshtein距离(公制= "seqlev")允许在条形码附加到DNA序列的场景中纠正/检测插入、删除和替换。从您选择的Illumina、Roche、PacBio NGS机器读取的序列应该从该条形码开始，然后是插入或适配器或一些随机的基调用。
足够高的Levenshtein距离(公制= "levenshtein")允许在条码没有附加到任何地方的情况下纠正/检测插入、删除和替换，分别知道条码的确切开始和结束。据我们所知，目前还没有NGS技术能做到这一点。不要使用这个距离度量，除非你知道你在做什么。
移相距离足够高(米制= "移相")允许纠正/检测DNA条形码前面的替换以及插入或删除。这个距离的预定目标技术是Illumina测序合成平台。我们认为这个指标是高度实验性的。
我们支持四种不同的算法来生成DNA条形码。每一种都有其独特的优点和缺点。
的启发式康威而且集团产生快速的结果，但远不如启发式好抽样而且ashlock．的集团启发式方法略慢，并且需要比康威启发式，因为它首先构造了池的图形表示。
启发式ashlock假设合理的参数配置能产生最佳的启发式结果。新用户应该先尝试一下康威然后ashlock使用默认参数。
Ashlock启发式阿什洛克启发式是一种进化算法。简单地说，它在a上迭代人口所谓的染色体(不要与实际的基因组染色体混淆)，同时试图在每个步骤中改善集合创建结果。在每次迭代中，它保留最好的染色体，并用最好的染色体的突变副本替换其余的染色体。
该算法有两个参数:
迭代）人口）更多的迭代和更大的种群将(可能)增加结果DNA条形码集的大小，但也将大大增加运行时间。
我们认为对于迭代次数来说，100是一个非常好的默认值。在我们看来，最好的机会是大幅增加种群中的染色体数量，例如增加到500甚至1000条。
下面的例子显示了集合大小的增加:
长度(创建。dnabarcodes(10, metric="seqlev"， heuristic="ashlock"，cores=32))## 2)启动染色体完成## 3)运行贪婪进化完成## 2126长度(创建。dnabarcodes(10, metric="seqlev"， heuristic="ashlock"，cores=32, population=500, iterations=250)) ## 1)正在创建池…## 2)启动染色体完成## 3)运行贪婪进化完成## 2133