model_file_description.txt

   1 model_type # 0, single-end, no quality score; 1, single-end, quality score; 2, paired-end, no quality score; 3, paired-end, quality score
   2
   3 forward_prob # The probability of generating a read from forward strand
   4
   5 # Fragment length distribution or read length distribution (if reads are single-end reads and no fragment length distribution parameters are provided)
   6 lower_bound upper_bound span # Fragment/read length should be in the range of (lower_bound, upper_bound] and span = upper_bound - lower_bound
   7 prob_1 prob_2 ... prob_span # This line contains span probabilities separated by a single space. prob_i is the probability of generating a length of (lower_bound + i)
   8
   9 [
  10 # Read length distribution, this section is optional for single-end reads model, the "[" and "]" suggest this section is optional.
  11 has_optional_length_dist # This line only appear if model_type < 2. 0 stands no optional length distribution for that the previous section already defines the read length distribution, 1 stands for having this optional read length distribution. If has_optional_length_dist = 0, the next two lines will not appear
  12 lower_bound upper_bound span # Fragment/read length should be in the range of (lower_bound, upper_bound] and span = upper_bound - lower_bound
  13 prob_1 prob_2 ... prob_span # This line contains span probabilities separated by a single space. prob_i is the probability of generating a length of (lower_bound + i)
  14 ]
  15
  16 # Read start position distribution
  17 estimate_RSPD # 0 means that RSEM assumes a uniform read generating distribution across a transcript, 1 means that RSEM estimated a RSPD from data
  18 number_of_bins # number of bins used for estimating RSPD, please refer to Li, B., Ruotti, V., Stewart, R. M., Thomson, J. A., Dewey, C. N. (2010). RNA-Seq gene expression estimation with read mapping uncertainty. Bioinformatics, 26(4), 493-500. for more details
  19 bin_prob_1 bin_prob_2 ... bin_prob_number_of_bins # number_of_bins single space separated numbers representing the probabilities of starting a read from each bin
  20
  21 [
  22 # Quality score distribution, only presented if model_type == 1 or 3. Quality scores are generated according to a first order Markov model
  23 # Quality scores are numbered from 0 internally, thus if prhed+33 quality score is used in the data, then i corresponds to phred score (i+33)
  24 size # total number of quality scores modeled
  25 p_init_0 p_init_1 ... p_init_(size-1) # size real-valued, single space separated numbers representing the initial probabilities of each state (quality score)
  26 p_trans_0,0 ... p_trans_0,(size-1)
  27 ...
  28 p_trans_(size-1),0 ... p_trans_(size-1),(size-1) # size times size matrix representing the transition matrix for the Morkov chain
  29 ]
  30
  31 [
  32 # Sequencing error model for quality scores, only presented if model_type == 1 or 3
  33 size ncodes # size is the total number of quality scores and ncodes is the number of different bases (ncodes = 5, 0: A; 1: C; 2: G; 3: T; 4: N)
  34 # In the following, RSEM gives size blocks. The i th block represents the sequencing error model for quality score i. Blocks are separated by single blank lines
  35 ...
  36
  37 p_i,0,0 p_i,0,1 p_i,0,2 p_i,0,3 p_i,0,4
  38 ...
  39 p_i,4,0 p_i,4,1 p_i,4,2 p_i,4,3 p_i,4,4 # The i th block contains a ncodes times ncodes matrix. Each cell (j,k) gives the probability of generating a base k given the quality score is i and the reference base is j
  40
  41 ...
  42 ]
  43
  44 [
  45 # Model for generating a noise read based on quality scores. Only presented if model_type == 1 or 3
  46 size ncodes # the same as sequencing error model for quality score
  47 p_0,0 p_0,1 p_0,2 p_0,3 p_0,4
  48 ...
  49 p_(size-1),0 p_(size-1),1 p_(size-1),2 p_(size-1),3 p_(size-1),4 # A size times ncode matrix giving the probability of generating a base in a noise read given a quality score
  50 ]
  51
  52 [
  53 # Sequencing error model without quality score, only presented if model_type == 0 or 2. It records the probability of generating a base k at position i given the corresponding reference base is j. Positions are numbered from 0
  54 profile_length ncodes # profile_length should be equal to the maximum length of any read in the data set
  55 # There will be profile_length blocks separated by single blank lines
  56 ...
  57
  58 p_i,0,0 p_i,0,1 p_i,0,2 p_i,0,3 p_i,0,4
  59 ...
  60 p_i,4,0 p_i,4,1 p_i,4,2 p_i,4,3 p_i,4,4 # The i th block contains a ncodes times ncodes matrix. Each cell (j,k) gives the probability of generating a base k at position i given the reference base is j
  61
  62 ...
  63 ]
  64
  65 [
  66 # Model for generating a noise read without quality scores. Only presented if model_type == 0 or 2
  67 ncodes # ncodes = 5
  68 p_0 p_1 p_2 p_3 p_4 # probabilities of generating a particular base for the noise read, all positions use the same base generating probabilities
  69 ]
  70
  71 [
  72 # Some other numbers, which has nothing to do with simulation
  73 ]
  74