最近我拿到了一批Bionano数据，用关键字 "Bionano+组装" 进行检索时，并没有发现任何的教程，所以这应是中文网络世界里第一个Bionano数据分析系列
Bionano技术简单来说，就是给分子加上荧光标记，然后拍照，所以最原始的下机数据就是TIFF格式，但是用户拿到的一般都是经AutoDetect/IrysView 转换过的BNX格式。这篇文章主要就是讲讲BNX格式的具体含义。
根据Bionano的30038号文件，即"BNX File Format Specification Sheet"的定义，
The Bionano Genomics® BNX file is a raw data view of molecule and label information and quality scores per channel identified during a run. BNX v1.3 supports one or two label channels (colors).
BNX记录的是在泳道中每个单分子原始信息，包括分子中的标记信息和每个泳道的质量得分
单分子荧光标记
类似于SAM/VCF这类格式，BNX也分为两个部分，元信息行和数据行。
元信息行中比较容易理解的行是下面几个，基本不需要解释
容易理解的信息行
后面的"#rh" 和" Run Data" 会稍微复杂一些。但是"rh"其实是Required Headers的缩写，记录的是"Run Data"中一定要有的列， 而"Run Data"每一行表示的是不同的队列(corhart)或者称之为泳道。我会着重看以下几个记录
- SNRFilterType: 信噪比的过滤类型，如果有这一列，就表示你后续就不用做SNR Filter
- MinMoleculeLength: 所允许的最短的分子长度
- MinLabelSNR：所允许的最低标记的SNR
下面的"0h","1h","Qh", "QX11","QX12" 需要结合数据行才能理解。首先要明确一点，对于单酶系统(Label Channels: 1)，每个分子都会对应4个数据行。
对应关系
"0h" 记录的是每个分子中简要信息，例如分子的长度(length), 信噪比(SNR), 标记的数目(NumberofLabels), 其中"0f"则是告诉程序它将要解析的数据格式是什么。
"1h" 记录的是每个标记的位置信息，对应"0h"中的NumberofLabels。标记间的相对位置信息就是后续进行组装和比对的基础，如下图所示。
光学图谱组装
"Qh" 中的QualityScoreID对应"QX11","QX12"，而QualityScores[N]表示会记录N个质量分数。"QX11"记录的每个标签的信噪比(SNR), "QX12"则是记录信号强度，这两者正相关。 同样"Qf"则是告诉程序它将要解析的数据格式是什么。
信噪比和信号强度的关系
介绍完数据格式后，你会有一个问题，如何评判数据的好坏呢？以及如何进行数据质量控制？
我们可以根据以下质标评估数据的好坏：
- 标记密度(Label Density): 一般NRLS为 8-15 Labels/100Kb, DLS 为 10-25 Labels/100Kb
- 分子量 N50：评估总体分子的长度
- 假阳性(FP): 原本没有标记的地方识别出信号
- 假阴性(FN): 原本应该有标记的地方却没有信号
- 比对率(Mapping Rate): 有多少分子能够回贴到基因组上。
那么这些评估信息如何获取呢？请期待后续的更新
网友评论