🔪🧅 Diced

A Rust 重新实现 MinCED 算法，以在环境数据中检测 CRISPRs 实例。

🗺️ 概述

MinCED 是由 Connor T. Skennerton 开发的一种方法，用于在分离和宏基因组组装基因组中识别 Clustered Regularly Interspaced Short Palindromic Repeats (CRISPRs)。它源于 CRISPR 识别工具 [1]。它使用快速扫描算法来识别候选重复序列，并结合扩展步骤来找到基因组中具有 CRISPR 重复序列的最大覆盖区域。

Diced 是 MinCED 方法的 Rust 重新实现，以原始 Java 代码为参考。它产生与 MinCED 完全相同的结果，修复了一些错误，并且运行速度更快。Diced 实现作为 Rust 库提供，方便使用。

这是 Python 版本，同时还有一个可用的 Rust crate。

📋 特性

• 库接口：Rust 实现作为库编写，以促进在其他项目中的重用。它用于使用 PyO3 实现 Python 库并生成本地扩展。
• 单一依赖：Pyrodigal 以 Python 包的形式分发，因此您可以将它作为依赖项添加到您的项目中，无需担心 Prodigal 二进制文件是否存在于最终用户机器上。
• 零拷贝：如果提供简单的 str 引用，则遍历候选 CRISPRs 的 Scanner 是零拷贝的，但它也支持智能指针后面的数据，如 Rc 或 Arc。
• 快速字符串匹配：Java实现使用手写实现的Boyer-Moore算法[2]，而Rust实现使用标准库中的str::find方法，该方法是双向算法[3]的实现。此外，可以使用memchrcrate作为memmem函数的快速SIMD实现。

💡 示例

Diced支持字符串格式的任何序列。

import Bio.SeqIO
import diced

record = Bio.SeqIO.read("diced/tests/data/Aquifex_aeolicus_VF5.fna", "fasta")
sequence = str(record.seq)

for crispr in diced.scan(sequence):
    print(
        crispr.start,
        crispr.end,
        len(crispr.repeats),
        crispr.repeats[0],
    )

💭 反馈

⚠️ 问题跟踪器

发现了一个bug？有一个增强请求吗？如果您需要报告或询问某事，请前往GitHub问题跟踪器。如果您正在提交一个bug，请尽量提供尽可能多的有关问题的信息，并尝试在简单、易于复现的情况下重现相同的bug。

📋 更新日志

本项目遵循语义版本控制，并提供了更新日志，该日志遵循Keep a Changelog格式。

⚖️ 许可证

本库提供开源GPLv3许可证，或更高版本。本实现代码源自MinCED源代码，同样在GPLv3下可用。

本项目与原始MinCED作者没有任何关联、赞助或其它形式的认可。它是由Martin Larralde在他的博士项目期间在莱顿大学医学中心的Zeller团队开发的。

📚 参考文献

• Bland, C.，Ramsey, T. L.，Sabree, F.，Lowe, M.，Brown, K.，Kyrpides, N. C.，& Hugenholtz, P. (2007). 'CRISPR识别工具（CRT）：一种用于自动检测成簇规律间隔回文重复序列的工具'. 生物信息学杂志，8，209. PMID:17577412 doi:10.1186/1471-2105-8-209.
• Boyer, R. S. 和 & Moore, J. S. (1977). '快速字符串搜索算法'. ACM通讯，20，10 762–772. doi:10.1145/359842.359859
• Crochemore, M. & Perrin, D. (1991). '双向字符串匹配'. J. ACM 38, 3, 650–674. doi:10.1145/116825.116845