這篇文應該比較像是抱怨文吧。最近在看某個印度團隊發表的資料集，本來想說他們很有誠意的把全部用到的資料集都公布在他們網站上，但當要轉換成我們實驗室預定要使用的格式時，突然發現他們拿來作獨立測試(indepedent test)的資料竟然沒有附上陰性的資料集，幸好寫信去跟他們討教很快就拿到了。
當然故事不會這麼快樂的就結束了，不然這又沒啥好抱怨的。這次試圖從蛋白質的功能區域切入：使用BLAST2GO批次跑出InterProScan找出的蛋白質功能區域當作特徵。但這幾個資料集被BLAST2GO讀取蛋白質序列時總是會發生些讀取錯誤，仔細的每條每條序列的檢查讓我看到了愕然的結果：序列的欄位中竟然有蛋白質描述1！這太驚人了！而且竟然在序列中找到底線符號2，還有序列中被插入空格的情況3，下面有圖解......。另外我也頗好奇怎麼會有這樣的錯誤呢，難道他們建資料集是用手工剪貼？=口=||?
 1 |
 2 |
 3 |
真是多虧了BLAST2GO對fasta格式有連序列結尾都不能容許有空白字元的嚴厲程度(為了這個例外狀況我又找了一陣= =)，讓我耗了三小時能找出這些錯誤，平常我刻出來的小程式這些例外都會直接無視說XD。
沒有留言:
張貼留言