kmermap_maxbin2

Cálculo de Perfiles Descriptores de K-mers en Reads/Contigs (extraído de MaxBin2) https://sourceforge.net/projects/maxbin2/

---

Compilación

g++ main.cpp kmerMap.cpp Profiler.cpp -o kmer_profile.exe

---

Uso

./kmer_profile.exe <archivo.fasta> <k> <simétrico (0/1)>

• <archivo.fasta>: Ruta al fichero FASTA de reads o contigs.
• <k>: Longitud de los k-mers.
• <simétrico>:
  • 0 = no simétrico (distingue k-mer y su reverso complementario)
  • 1 = simétrico (agrupa k-mer y su reverso complementario)

---

Ejemplo de Ejecución

./kmer_profile.exe \
  /home/abc/experimentos_maxbin/descriptores/reads_gsa_anonymous.fasta \
  5 1 \
> frecuencias_kmeros_por_contig_normalizadas.txt

---

Ejemplo de Salida (extracto)

----------------------------------
>RL|S1|C0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0.00124224 0 0.00124224 ...

>RL|S1|C1
0.00321543 0.011254 0.00482315 0.00482315 0.011254 0.00321543 0.00482315 ....
----------------------------------

---

¿Como se calcula el vector de frecuencias de k-mers normalizado?

Para cada contig (o read), se construye un vector cuyos componentes corresponden a cada posible k-mer. El valor de cada componente i es:

frecuencia[i] = (número de veces que aparece el k-mer i en la secuencia)
               / (total de k-mers en la secuencia)

De esta forma, todas las frecuencias suman 1, lo que permite comparar perfiles entre secuencias de distinta longitud.