ab1ファイルを読み込みたい(1)

タイトルの通り。
最終的には、GUIで複数の塩基配列の混ざり物を読み込んで解析できるようにしたい。
複数回に分けて記事を書くつもり。個人的なメモのつもりだけど、誰かの何かしらの助けになれば幸いですな。

Applied BiosystemsのWebサイトに、ABIFなる規格のファイルの仕様書があるので、これを参考に。

ここからは全て仕様書に書いてあること。
ab1ファイルをバイナリエディタなんかで開いたり、UNIXならターミナルから

od -ax hoge.ab1 | less

とでもしながら作業すると便利。

ファイルの先頭には、128 Byteのヘッダが格納されている。今回はヘッダの内容についてメモ。

初めの4 Byteは"ABIF"という文字列になっている。
基本的にはビッグエンディアンで書き出されているが、仕様上はリトルエンディアンも許されているとのことだ。
この4 Byteの並び順でエンディアンを判別すればよい。't', 'd', 'i', 'r'の順に並んでいればビッグエンディアンである。

5バイト目はバージョン情報。 16進数のIntで、100の位がメジャーバージョン、1の位がマイナーバージョンである。
殆どのシーケンサーが吐き出したファイルでは、101になっていると思う。
マイナーバージョンについてはあまり気にしなくてもよいが、メジャーバージョンはこの先変更の可能性があって、後方互換性はバサバサ切り捨てられる可能性もあるので、チェックするに越したことはない。

その後、28 Byteからなる"ディレクトリ"が続く。
ディレクトリの構成とか、ヘッダ内のディレクトリの詳細については次回書こうかな。

開発にあたって、こことかを参考にした。
このblogより余程よくまとまってるし、サンプルコードとかも載ってるから急いでる人は見てみるといいかと思う。

初めにab1ファイルを読み込んだ時はエンディアンでハマった。
ちゃんと仕様書に書いてあったのに、まともに読んでなかった。
回線切って首吊りたい。