IGV-基因组浏览器-改造记录（五）

写在前面

IGV是目前广泛使用的基因组浏览器。但在前述的推文中，我们已经提到过，其并没有较多我们做小RNA数据分析或可视化所需的特性。为此，我们已经介绍了四处我们课题组对IGV修改。我的意思是，我们做了的IGV特性增强，远远不止于此。
今天抽空，摆出一个非常简单，却非常有用的特性。

小RNA测序数据特征

小RNA，长度往往在30bp以下。十年前的读长，足以一次将小RNA成熟体测通。换言之，我们得到的都是sRNA全长转录本。高度重复是小RNA数据固有特征。除去较多重复区域产生的sRNA，剩余的sRNA仍然在数据中表现出高丰度。有可能，在10M数据中，某个micro RNA的丰度是1M+。

小RNA数据快速分析逻辑与不足

基于这一数据特征，我们进行miRNA或者phasiRNA挖掘等分析时，我们常常会先进行数据的collaspe，大体是，如果一个sRNA的丰度是1000，那么我们会合并这个reads，并记录为

>id-1000
CGATCGATCAGTGTTGGTTTT

CGATCGATCAGTGTTGGTTTT

随后再进行读段回帖和下游分析。这是一个非常机智的做法，

1. 因为对于一套“高重复”的数据，直接比对，我们需要处理10M个reads的比对，而collaspe之后，我们只需要处理可能只有10K个reads的比对。（截图不全，时间数倍，对于更高深度，如目前最建议的30M，那么会有更明显的时间缩短）

collapsed之后，数据将占用更少的硬盘，比对结果文件同样减少许多。（数据量较少，对于更高深度，如目前最建议的30M，那么会有更明显的硬盘空间节省）

一切看起来都没有问题，但当我们想要在IGV上展示时，我们会发现，问题出现了。collasped的reads比对到genome的bam，无法在IGV上正常显示出reads的丰度。
如下，

可以看到Collasped之后，看到的覆盖率，事实上是uniqreads的数目，从左侧，40+，而实际数据应该是 1700+。错误的展示覆盖率，会影响我们做真实的判断。

改造IGV使其实时解析.collasped.fa.bam

解决这个问题，其实一样比较简单，我们可以改造IGV（而事实上，我们已经在之前的版本支持了，只是没有推文）。改造之后，我们可以直接在IGV导入collasped之后的bam文件，同时可以得到实际数据应该有的覆盖率。

不止于此！为了加速IGV，事实上，我们需要使用其downsample的特性，然而，使用这一特性意味着，低丰度的reads会被忽略，如左图missing部分。我们可以看到 ，当我们进行实时解析mc.fa的时候，就没有这种问题。因为我们需要的绘图时间。