L'estimation du nombre de séquences est fausse pour un .gz
Dans bioreader.cpp, dans approx_nb_sequences_in_file(string f):
float ratio = (float) filesize(f.c_str()) / (float) sequences->getPos();
On ne prend pas en compte le cas où c'est compressé, bref la valeur est fausse à un facteur environ 4. Mais bon, vu que cela sert pour la e-valeur, on n'est pas à un demi-ordre de grandeur près...
- voir si un igzstream permet de savoir où l'on est, en position compressée
- ou voir si on peut avoir accès à la taille décompressée de tout le fichier
- ou multiplier par 4 quand c'est un .gz
Évoqué de nouveau vendredi dernier. En plus fasta.gz et fastq.gz ne donnent pas les mêmes biais.
To upload designs, you'll need to enable LFS and have an admin enable hashed storage. More information