摘要：
mismatch到底只是一个碱基替换，还是也包括了插入缺失？ If two sequences in an alignment share a common ancestor, mismatches can be interpreted as point mutations and gaps as indels (that is, insertion or deletion mutations) ... 阅读全文
摘要：
什么是高通量测序技术中的多重测序？ 多重测序是指将带有特殊分子标签（barcode或者index）的不同来源的DNA标本，放入一个反应体系进行测序的方法。与一次检测一种来源的DNA相比,多重检测通过分子标签来区分不同的DNA标本，从而在提高测序的高效性的同时也确保测序的准确性。 人类个体的基因组是30亿个碱基对，即3Gb（3 giga base pairs，即3X109碱基对）。目前的高通量测序仪... 阅读全文
摘要：
自己电脑上还是有个自己的虚拟机比较方便，之前用的Ubuntu，发现卡得不行。 现在装了个轻量级的Lubuntu，速度提升了不少。 1.下载Lubuntu，安装。 2.进入，设置root密码，初始化root密码，sudo passwd 3.安装VM-tools，解压到指定目录，安装就好。perl vmware-install.real.pl 3.开启ssh，sudo apt-get install ... 阅读全文
摘要：
C/C++的速度是Python和perl所无法比拟的，尤其对于处理超大的生物信息学文件来说。 最近在写一个最简单的fastq cut工具，Python简直慢到不能忍，8G的fastq.gz文件的cut需要6-7个小时，而C++则只需要15-20min，简直就不在一个量级。 当然，听说Python有个cpython机制，可以加快速度，但和纯C++还是有差距的。 C++的编译比较复杂，这里只能做个... 阅读全文
摘要：
基本格式 : * * * * * command 分 时 日 月 周 命令 第1列表示分钟1～59 每分钟用*或者 */1表示 第2列表示小时1～23（0表示0点） 第3列表示日期1～31 第4列表示月份1～12 第5列标识号星期0～6（0表示星期天） 第6列要运行的命令 crontab文件的一些例子： 30 21 * * * /usr/local/etc/rc.d/lightt... 阅读全文
摘要：
1.以前的方法如果是要获得程序运行的当前目录所在位置，那么可以使用os模块的os.getcwd()函数。如果是要获得当前执行的脚本的所在目录位置，那么需要使用sys模块的sys.path[0]变量或者sys.argv[0]来获得。实际上sys.path是Python会去寻找模块的搜索路径列表，sys.path[0]和sys.argv[0]是一回事因为Python会自动把sys.argv[0]加入s... 阅读全文
摘要：
2023年03月31日 cellranger pipeline基本是对的，但想要更原始的数据还是得自己手动count。 这两批perturb-seq的问题在于，Plasmid的设计，无法区分原始的和编辑后的Plasmid，长度一样，于是做cell sorting的时候一大堆dummy cells就被 阅读全文
摘要：
转自：http://blog.csdn.net/lhf_tiger/article/details/8203013 真恶心，10X流程产生的csv文件的行位居然有^M字符，害我一直在找报错原因，真是坑，还好最后我找出来了。一直在用Python，perl是越来越不熟练了。调试花了好久。 替换^M字符在Linux下使用vi来查看一些在Windows下创建的文本文件，有时会发现在行尾有一些“^M”。有几... 阅读全文
摘要：
业界良心啊，开源的单细胞课程。 随便看了几章，课程写得非常用心，非常适合新手。 课程地址：Analysis of single cell RNA-seq data 源码地址：hemberg-lab/scRNA.seq.course 阅读全文
摘要：
本文总结自一篇综述： Computational approaches for interpreting scRNA-seq data 单细胞分析分为两个层次： cell level gene level Tools for the visualization and clustering of cells. Tools for the ordering of cells & bifurca... 阅读全文
摘要：
PhiX Control v3 is a reliable, adapter-ligated library used as a control for Illumina sequencing runs. The library is derived from the small, well-characterized PhiX genome, offering several benefits ... 阅读全文
摘要：
小提琴图现在比较流行，在文章里很常见。 【小提琴图】其实是【箱线图】与【核密度图】的结合，【箱线图】展示了分位数的位置，【小提琴图】则展示了任意位置的密度，通过【小提琴图】可以知道哪些位置的密度较高。 实例解析 在上图中，白点是中位数，黑色盒型的范围是下四分位点到上四分位点，细黑线表示须。外部形状即为核密度估计（在概率论中用来估计未知的密度函数，属于非参数检验方法之一）。 数据化分析解读：... 阅读全文
摘要：
ERCC是啥？ 外部RNA控制联盟，就是一套RNA-seq，基因表达检测过程中的控制系统，使得结果具有可重复性。 RNA Spike-in Controls for Gene Expression While early gene expression measurements with DNA microarrays were groundbreaking in their ability to... 阅读全文
摘要：
mRNA是由DNA的一条链转录而来的（可以是正链，也可以是反链），DNA是由非编码区和编码区组成，编码区也有其特殊的结构，主要有外显子和内含子组成。 mRNA的一个重要性质就是可变剪切，也就是同一个编码区，可能会有不同的外显子组合。 mRNA的结构：5’端的帽子结构和3’端的polyA尾巴。 polyA和oligo（dT）是什么？它在mRNA纯化和反转录中有什么作用？ 传统mRNA差异显示技术（D... 阅读全文
摘要：
最近在搞16S，发现了一个实践算法的最佳机会。 见文章： A Bayesian taxonomic classification method for 16S rRNA gene sequences with improved species-level accuracy. 文章利用了贝叶斯模型，调用了blast和muscle来对OTU进行taxonomy assignment。 可以看一下源代... 阅读全文
摘要：
杰卡德距离(Jaccard Distance) 是用来衡量两个集合差异性的一种指标，它是杰卡德相似系数的补集，被定义为1减去Jaccard相似系数。而杰卡德相似系数(Jaccard similarity coefficient)，也称杰卡德指数(Jaccard Index)，是用来衡量两个集合相似度的一种指标。 Jaccard相似指数用来度量两个集合之间的相似性，它被定义为两个集合交集的元素个数除... 阅读全文
摘要：
16S结题报告中都会有这么一张图： 这张图是OTU Rank曲线，该曲线可以展示样品的多样性。而样品的多样性常通过以下两个方面进行解释：物种的丰富程度和均匀程度。Rank曲线中，曲线在横轴上的跨度越长，表明样品的物种含量越丰富；曲线越平坦，表示样品的物种组成越均匀。 图中，横坐标按照丰度由高至低排序的OTU数量，纵坐标为OTU丰度。样本曲线的延伸终点的横坐标位置为该样本的OTU数量。若曲线越平滑... 阅读全文
摘要：
工作中有个真理：如果你连自己所做的工作的来龙去脉都讲不清楚，那你是绝对不可能把这份工作做好的。 这适用于任何行业。如果你支支吾吾，讲不清楚，那么说难听点，你在混日子，没有静下心来工作。 检验标准：随时向别人解释你的工作，让别人提出尖锐的问题，看你是不是答不上来。 16S概念 什么是16S？S是什么意思？ 16S分析是用来干嘛的？能分析什么？ 16S大致的分析原理是什么？ 有点生物学基础的... 阅读全文
摘要：
上一篇文章写了一些基本的Django操作，下面重点介绍数据库的内容。 对象之间的关系： 一对一 一对多 多对多 1.一对多 先演示一对多的关系，多个blog对应一个名字， 修改blog/models.py class Entry(models.Model): name = models.CharField(max_length=30) def __unicode... 阅读全文
摘要：
参考资料：爬虫课程 认识网页 使用chrome，右键检查，查看网页源码，左侧的html，右侧的css，底下的JavaScript。 网页 = HTML（内容） + CSS（样式） + JavaScript（功能） 网页的标签，标签之间可以嵌套。 wow! 其中div就是区域，p就是文本，class就是css样式。 常见标签 #文字内容 #区域 #列表 #图像 ... 阅读全文