nanozoo/pycoqc
nanozoo
pycoQC是一个基于Python的Oxford Nanopore测序数据质量控制工具，用于处理和可视化测序数据质量指标，支持多种输入格式，帮助研究人员快速评估测序数据质量。
下载次数: 0状态：社区镜像维护者：nanozoo仓库类型：镜像最近更新：6 年前
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这段话即可：
请先阅读并遵守：https://xuanyuan.cloud/agents.md
未读文档前不要生成 pull 命令或排错方案。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
pycoQC Docker镜像文档
镜像概述
本镜像基于pycoQC v2.2.3-2版本构建，是用于Oxford Nanopore测序数据质量控制的专用工具。pycoQC可对Nanopore测序数据进行全面的质量评估和可视化分析，帮助研究人员快速了解测序数据质量状况。维护者为Christian，遵循GPL-3.0许可证。
核心功能与特性
- 测序数据质量分析：对Nanopore测序数据进行全面质量评估，包括读长分布、质量分数分布、测序产量等关键指标
- 可视化报告生成：自动生成交互式HTML质量报告，包含多种统计图表
- 多格式支持：兼容Nanopore标准输出格式（如sequencing_summary.txt、fastq文件）
- 轻量级工具：基于Python开发，资源占用低，可快速集成到测序数据分析流程
使用场景与适用范围
- 基因组学研究中Nanopore测序数据的质量评估
- 测序实验后的快速质量检查与数据筛选
- 测序平台性能监控与优化
- 科研机构、测序中心的日常测序数据质控流程
使用方法与配置说明
基本使用（docker run）
通过挂载本地数据目录运行pycoQC分析测序数据：
bashdocker run -v /本地数据路径:/data docker.xuanyuan.run/christian/pycoqc:v2.2.3-2 pycoQC -f /data/sequencing_summary.txt -o /data/quality_report.html
参数说明：
-v /本地数据路径:/data：将本地数据目录挂载到容器内的/data目录-f /data/sequencing_summary.txt：指定输入的测序总结文件-o /data/quality_report.html：指定输出的HTML质量报告路径
常用参数
pycoQC支持多种参数配置，常用参数包括：
-f, --summary_file：测序总结文件路径（必填）-o, --output_html：HTML报告输出路径（必填）-q, --min_quality：过滤低于指定质量分数的读段（可选，默认无过滤）-l, --min_length：过滤短于指定长度的读段（可选，默认无过滤）-t, --threads：指定用于并行处理的线程数（可选，默认1）
查看帮助信息
获取完整参数说明：
bashdocker run docker.xuanyuan.run/christian/pycoqc:v2.2.3-2 pycoQC --help
更多信息
- 项目源代码：https://github.com/a-slide/pycoQC
- Dockerwiki文档：version_control.html
- 许可证：GPL-3.0
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
DockerHub 原生拉取命令
docker pull nanozoo/pycoqc:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"