mariokostelac / croler Goto Github PK

Posto smo mijenjali neke strukture da bi se popravio brunin kod, nema smisla sta kod osreckog bude u repozitoriju. Sve sto ne koristimo, treba obrisati.

Pobrisati:

• citanje iz amos banke (qpid)
• citanje iz faste (qpid)
• citanje readova iz banke (layout)
• citanje readova iz .afg (layout)
• citanje iz faste (layout)

Bilo bi dobro se dodaju opcije koje nam omogucuju da iskljucimo trimanje, da definirano koliko puta zelimo pokrenuti trimanje i zelimo li bubble popping.
Recimo
layout --trim 0 za iskljucivanje trimanja
layout --trim 1 za trimanje 10 puta
layout --no-bubble-popping za iskljucivanje bubble poppinga

qpidov ThreadPool treba dodat kao submodule

Pokretanje, algoritam ukratko

Nakon sto se dovrsi #40, treba popravit i ./run.sh skriptu da pokrene cijeli asembler

Trenutno se kontizi kreirani naopako s obzirom na minimus.
Potrebno inspectati i utvrditi koliko je to oke i kak utjece na rezultate.

radi lakseg pracanja koda koji nije nas, izolirati sav tudji kod u vendor mapu u rootu projekta.
svi takvi library trebaju ic u vendor direktorij (u rootu), a u dijelovi assemblera koriste samo symlinkaju svoj vendor direktorij na vrsni.

Nakon trimminga, u prvom kontigu se pojavljuje read 279, a cini se da on uopce ne bi trebao biti tamo (nema ga u grafovima nakon brisanja tranzitivnih edgeva).
Radi se o primjeru influenze.

Napraviti skripte za testiranje koje ce omoguciit jednostavno pokretanje testova (nas i minimusa).

Trebalo bi objediniti makefileove u jedan. Svakako treba provjeriti postoji li nacin da se oni pozivaju rekurzivno.

Posto defaultni gcc na ubuntuu ne postuje redoslijed argumenata iz dokumentacije, treba napravit makefile koji radi i na ubuntuu.
Kad se rijesi issue, neka se ostavi verzija ubuntua i gcc-a na kojem testirano radi.
Ubuntu verzija cat /etc/os-release
gcc gcc -v

Logove treba spremati uvijek. Rezultati bez logova su nam cesto teski za interpretirati + kada dodamo ispisivanje svih parametara prilikom pokretanja ne moramo pamtiti koji run smo vrtili s kojim parametrima.
cc @mculinovic

https://github.com/mariokostelac/assembly/blob/master/pipeline/brahle_assembly/src/layout/layout_utils.cpp#L160 - cini se jako cudno da svi overlappi izgledaju jednako.

Pregledavajuci kod nabrzaka sam shvatio da se neka sekvence nikada ne komplementirat. Ako je ona naopaka, trenutna implementacija je samo okrene, ali je ne komplementira, sto je bioloski neobjasnjivo i krivo.
grepao sam po kodu i shvatio da se rijec complement uopce ne spominje u u codebaseu konsenzusa.

trenutno ima apsolutne pathove koji matchaju sam na mom docker stroju :)

Pokretanje, formati datoteka, znani problemi itd.

zbog potrebe testiranja, bilo bi dobro da se doda support za ucitavanje filea koji definira koji subset id-ova ulazi u racunanje. tako lako mozemo izolirati par i ispisivati debug info

Kako bi ga mogli mijenjat, grbinov kod treba takodjer dodat kao raw source. Nebi bilo lose da postoji jedan file .commit u kojem je zapisan hash commita (cisto ako grbin kasnije updatea da mozemo znat koje patcheve trebamo applyat). Isto tako i za brunin kod.

Prilikom stvaranja kontiga zasad nema utjecaja ako je read nepovezan, a trebalo bi imati.

Mislim da se zbog toga neće kompajlirati jer baca error umjesto warning-a za uninitialized vector

Pokretanje s datotekom NIBSC4-5_S13_L001_R_1.afg bi trebalo stvarati datoteke koje lice na:

• NIBSC4-5_S13_L001_R_1_overlaps.afg
• NIBSC4-5_S13_L001_R_1_layouts.afg
• NIBSC4-5_S13_L001_R_1_contigs.fasta

Ovakav nacin olaksava pokretanje i testiranje.

Mislim da je moguće ovo još ubrzati tako da se dodaju neke reference u postojeće strukture. Vidjet ćemo kako će raditi na većim genomima.

Nakon sto se ovo kvalitetno napravi, mozemo abandonati citanje iz banke i fasta/fastq.