top par système : fuse.py

Suite à la réunion du CBP et la discussion dans le métro, ce serait bien de récupérer plus de séquences par systèmes.

• une solution serait d'avoir, dans fuse, un --top-by-system, par exemple à 30, qui laisse passer (en plus du top 100) les 30 tops par système à condition que le système apparaisse dans le top 100 normal.
• mais cela demande aussi, dans le c++, de faire en sorte que ce top 30 soit segmenté. Pas ultra-prévu pour, à voir.
• ou bien on en profite pour chambouler l'ensemble et lancer une partie du c++ (FineSegmenter, et bientôt CDR3/AA) après le fuse. non

Bref, ce n'est pas si facile. Aussi une crainte : que cela ramène des choses trop basses, de bruit comparables à d'autres clones qu'on affiche pas car caché par de plus gros clones.

À réfléchir ensemble, attendre retour du CBP de début février. (En attendant, solution simple est de relancer sur autre config,)

---

Demandé aussi par Rennes : top 100 + top 10 par système ?

---

Mais attention, certains systèmes où on n'a pas grand chose on va ramener des clones très faibles…

---

On mettra des gros warnings pour les trop faibles globaux

---

Voir le mail à McGill d'aujourd'hui... En RNA-Seq, ils ont (peut-être) du TR, mais caché par un Ig beaucoup plus gros :

                          reads             clones
  IGH               ->    49714   100.0       5930   0.119
  IGK               ->   214250   100.0       8250   0.039
  IGL               ->    67030   100.0       4375   0.065
  TRA               ->      796   100.0        442   0.555
  TRB               ->     1158   100.0        586   0.506
  TRD               ->       61   100.0         43   0.705
  TRG               ->      126   100.0         80   0.635

Mais il y a toujours la question du bruit.

---

Évoqué lors du VW16

---

Ping : on est peut-être sur le point de modifier le fuse, penser aussi au top par système (ou au top 1000 + 100 par système)