相比DAT文件,网络上更支持CEL级别的文件。CEL已经把DAT图像转换成数据了,而且CEL比DAT所占空间小得多。介绍一下CEL文件的格式,CEL文件有文本文件(TextCelFile,版本3)、BinaryCelFile(二进制文件,版本4)、GenericCelFile(普通文件,版本1)三种。
1)版本3
早期的CEL文件是版本3的,因为是文本文件,所以直接用记事本打开就可以看到里面的内容了,如下是GSM2899.CEL:
[CEL]
Version=3
[HEADER]
Cols=640
Rows=640
……
DatHeader=[5..46118] AFRGV01031201:CLS=4733 RWS=4733 XIN=3 YIN=3 VE=17 2.0 03/12/ 1 17:16:25 GridVerify=None HG_U95Av2.1sq 6
……
CellHeader=X Y MEAN STDV NPIXELS
0 0 278.0 95.3 25
1 0 22909.3 5244.4 20
2 0 390.0 121.0 25
3 0 22530.0 5102.5 25
……
638 639 20835.5 3531.1 20
639 639 292.0 85.2 25
可以看到Version=3,列数Cols和行数Rows都是640。可以发现DatHeader里有很多的 ,它起到了分割字符串的作用(这是我第一次在C语言源码里看到 这样的乱码),把“DatHeader=”后面的部分分割成若干部分,然后找出以“.1sq”结尾的那部分,即“HG_U95Av2.1sq”,再把“.1sq”去掉,就成功读取出芯片型号HG_U95Av2了。CellHeader=X Y MEAN STDV NPIXELS中的X和Y指的就是探针(特征)的X坐标和Y坐标,MEAN指探针的强度,STDV是方差,NPIXELS指用多少个像素来计算MEAN和STDV。每一行是一个探针(特征)的数据,这是一个640*640的阵列,所以X会从0变化到(640-1),以此循环640次,Y也从0变化到(640-1),不过每个数要重复640次。这样,就刚好有640*640行了。我们所要用到的数据只是MEAN那一列而已,不需要STDV和NPIXELS,而X和Y可以经过推算得出。这样,我们就可以理解为:坐标为(0,0)的探针强度为278.0,坐标为(1,0)的探针强度为22909.3,坐标为(2,0)的探针强度为390.0……
2)版本4
后来出现了版本4的CEL文件,它们是二进制文件,直接用记事本打开会看到很多的乱码。可以用CellFileConversionTool.exe工具进行版本3和版本4的格式转换。把版本3转换成版本4后,文件就小多了,因为已经去掉了X和Y这两列的数据。该版本采用了小端字节序,下面列举了不同数据类型的不同读取方法:
Integer:
若用Java读取整型数据:
如:FileInputStream fin=new FileInputStream("CEL文件的路径");
DataInputStream din=new DataInputStream(fin);
……
/*先读取出4个字节*/
int[] byteDataInt=new int[4];
for (int i=0;i<4;i++)
byteDataInt[i]=din.read();
/*移位,第(i-1)个字节右移i*8个字节*/
for (int i=0;i<4;i++)
byteDataInt[i]=byteDataInt[i]<<8*i;
/*再进行 | 运算*/
int result=byteDataInt[0]|byteDataInt[1]|byteDataInt[2]|byteDataInt[3];
……
若用C把完成以上的工作,就方便多了:
如:FILE *infile = fopen("CEL文件的路径", "rb")) ;
……
int result;
fread_int32(&result,1,infile);
……
这样,一个整型数据就被读取出来存放在result中了。
Short:
若用Java读取短整型数据:
int[] byteDataInt=new int[2];
for (int i=0;i<2;i++)
byteDataInt[i]=din.read();
for (int i=0;i<2;i++)
byteDataInt[i]=byteDataInt[i]<<8*i;
int result=byteDataInt[0] | byteDataInt[1];
用C语言:
fread_int16(&(result,1,infile);
Float:
若用Java读取浮点型数据:
int[] byteDataInt=new int[4];
for (int i=0;i<4;i++)
byteDataInt[i]=din.read();
int symbol=byteDataInt[3] & 8; //get the symbol
int power=(byteDataInt[3]<<1 | byteDataInt[2]>>7)-127; //get the power
int temp= byteDataInt[2] & 127; // let the 8th bit to be 0
int a=temp<<16 | byteDataInt[1]<<8 | byteDataInt[0];
float result=1;
for (int i=1;i<=23;i++)
{
int x=a&(int)(Math.pow(2, i-1)); //keep value of the i bite and make others bites to be 0
int xx=x>>(i-1); // move the i bite to the right end;
double addCount=xx*(Math.pow(2,-(23-(i-1)))); // computing the increment
result=result+addCount;
}
result=result*(int)(Math.pow(2, power));
if (symbol==1)
result=-result;
用C语言:
fread_float32(&(result,1,infile);
以上的3个例子可以看出,Java和C语言可以实现同样的功能,但是Java却麻烦得多,而且实验证明,Java花的时间会多得多。如版本4的探针强度是float型的,假如一张芯片的640*640个探针强度都用Java来读取,将会花费很长的时间,而用C语言不足1秒就可以完成。
3)版本1
版本1在版本3的基础上又去掉了STDV和NPIXELS这两列,并且出现了fread_be_int32、fread_be_uint16、fread_be_float32等C语言读取方法,这些方法都有着等效的Java实现方法,但是用Java来读取CEL文件总是很慢的。