如何在 SPARK 中读取 bam（对齐信息）文件？

Question

最近我不得不使用 Python 或 Scala 在 SPARK 上处理 BWA 或其他对齐工具生成的 bam 文件，如何将这个二进制文件转换为 RDD，以便我可以对每个读取序列和其他信息进行一些统计？谁能有一些经验或举个例子？我已经阅读了 PySpark 和 Spark-bam 的 binaryRecords() 函数，似乎效果不佳。

Answer 1

您可以在 python 中使用 PySam。请参阅此处的文档： https://pysam.readthedocs.io/en/latest/api.html