readVcf is Slow if ScanVcfParam which Regions is Lengthy
Avaliação
- Dificuldade
- 4/5
- Tempo estimado
- 3-5 dias
- Facilidade para iniciantes
- 43/100
- Tipo de issue
- Bug
- Clareza
- Precisa de esclarecimento
- Status de atividade
- Pouca atividade
- Stack de tecnologia
- r
- Domínio
- data, performance
Direção de pesquisa
Comece reproduzindo a diferença de tempo entre readVcf com e sem ScanVcfParam(which = goldStandards), usando o exemplo de GRanges derivado de BED relatado. Leia os pontos de entrada de readVcf e ScanVcfParam e compare o comportamento com subsetByOverlaps. O trabalho estará concluído quando houver uma alteração acordada no código ou na documentação que torne prática a leitura regional de VCF ou documente claramente a solução alternativa.
Escrita pelo modelo de indexação a partir do texto da issue.
Descrição
Recently, U.S. Food and Drug Administration, National Institute of Standards and Technology and Illumina researchers defined highly reproducible regions (H.R.R.s) of the human genome and made available BED files to define a set of regions in which variant callers consistently call variants on technical replicate samples, effectively defining a while-list for whole genome sequencing data. readVcf takes a long time if which of ScanVcfParam is specified. Importing the V.C.F. takes about five minutes if which not specified but I terminated it after one hour when which was specified.
library(rtracklayer)
goldStandards <- list.files("HRR/", "bed", full.names = TRUE)
goldStandards <- lapply(goldStandards, import.bed)
goldStandards <- unlist(goldStandards)
goldStandards <- reduce(goldStandards)
> goldStandards
GRanges object with 2988875 ranges and 0 metadata columns:
... ...
variants <- readVcf("DRAGENgermline.vcf.gz", param = ScanVcfParam(which = goldStandards)) # Stopped after one hour.
Importing the whole V.C.F. file into the session and then using subsetByOverlaps seems a reasonable and fast workaround. To best help other users, would a documentation change or code change be better to make this user experience nicer?
- Linguagem predominante
- R
- Estrelas
- 32
- Forks
- 21
- Métricas de merge de PRs
- Nenhum PR com merge em 30d
Preparar o ambiente
Este projeto não oferece contêiner de desenvolvimento, Dockerfile nem guia de contribuição, então a configuração fica por sua conta: comece pelo README e veja nosso guia da primeira contribuição para os passos gerais.
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de Bioconductor/VariantAnnotation
-
refactor the packageAberta
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 25/100
Bioconductor/VariantAnnotation#115 · 4 comentários ·
-
what is the "covr" condition of this package?Talvez já em andamento @vjcitn assumiu há 97 dias. Aberta
Bioconductor/VariantAnnotation#114 · 1 reação · 2 responsáveis ·
-
produce false positive and false negative PRsTalvez já em andamento @jmg421 assumiu há 86 dias. Aberta
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 35/100
Bioconductor/VariantAnnotation#113 · 2 comentários ·
-
possible problem parsing INFO description fieldTalvez já em andamento @jmg421 assumiu há 119 dias. Aberta
Dificuldade 3/5 1-2 dias Facilidade para iniciantes 35/100
-
Dificuldade 5/5 Mais de uma semana Facilidade para iniciantes 30/100
Bioconductor/VariantAnnotation#88 · 2 comentários ·
Todas as issues de Bioconductor/VariantAnnotation
Issues semelhantes
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 78/100
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100
-
Add smvr alongside semverAberta
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 78/100
-
Typos in schema fileAberta
Dificuldade 1/5 1-3 horas Facilidade para iniciantes 65/100
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 69/100
Merck/metalite.ae#261 ·