随笔分类 - 工具
摘要：问题一：各区域注释之和大于变异总数？ snpEff的结果很简单，但常常遇到如下问题。 我的SNP总数： 但是，注释的exon、intron和intergenic之和2,278,570就已经大于了总SNP数。 我大概能知道是什么原因。一个snp会落在多个基因上，所以既有可能落在exon，又有可能落在i
阅读全文
摘要：假设我要从NCBI中下载全部水稻的mRNA序列，如何实施？ 找序列 第一步，肯定是找到相关序列。 我从ncbi taxonomy进入，搜索oryza。因为要搜索mRNA核酸序列，从此选择nucleotide，点击Go： 注意，如果你真正想要的是哪些序列。比如，稻属中可能野生稻之类的并非你想要的。这时
阅读全文
摘要：问题 一直以来用Eigensoft的smartpca来做群体遗传的PCA分析很顺畅，结果也比较靠谱。 但今天报错如下： $ ~/miniconda3/bin/smartpca -p smartpca.par parameter file: smartpca.par ### THE INPUT PAR
阅读全文
摘要：iTOL基本用法已经会了，之前记录过一点：系统发育（进化）树绘制小结。最近重用，调图时又发现了些细节，记录下备忘。 1. 注册 不注册也可用，但注册登录可保存树在itol网站上。 2. 去枝长 进化树能展示枝长是最好的，能用来判断材料和群体间的特殊性。但现在大部分文章中的进化树都是去掉了枝长的，也可
阅读全文
摘要：问题 原问题来自：How to calculate overlapping genes between two genome annotation versions？ 其实可分为两个问题： 一是我组装了一个新的基因组，做了多个注释版本，如何比较它们的feature？比如gene 二是我组装了一个新的
阅读全文
摘要：基因组长度 利用seqkit统计长度 seqkit stat test.fa 结果如下： file format type num_seqs sum_len min_len avg_len max_len test.fa FASTA DNA 149 396,098,845 10,246 2,658,
阅读全文
摘要：1. FastqCount简介 快速实用小工具：FastqCount https://github.com/zhimenggan/FastqCount 统计指标包括： Total Reads Total Bases N Bases Q20 Q30 GC 2. 使用 压缩文件可搭配pigz使用更香。
阅读全文
摘要：记录下braker2的使用要点，以备忘记。 流程使用 braker2有很多流程，根据你的数据：组装的基因组、转录组、蛋白（同源，包括近缘或远缘）选择不同流程，官网有说明： https://github.com/Gaius-Augustus/BRAKER 现在的动植物组装，大多数都含有以上三类数据吧，
阅读全文
摘要：samtools用conda安装后，总是出现共享库缺失的报错。即便你刚安装samtools时可以用，但后面在同一环境中安装其他相关软件，有可能产生了冲突，导致库替换，因而报错。 避免这种情况，可能最好是给samtools单独一个环境。但我不喜欢这样，我的习惯是一般做一件事才建一个环境，不然环境太多了
阅读全文
摘要：需求 客户反映，完整的基因组太大打不开，要我将之按各条染色体和scaffold拆分。如何快速实现？ 方法一 借助工具： $ pip install pyfaidx $ faidx -x sequences.fa 方法二 自己写脚本：split.pl #!/usr/bin/perl $f = $ARG
阅读全文
摘要：conda是个安装软件的神器，但镜像不稳定，下载安装软件的速度有时很慢。对于几十Mb甚至上百Mb的软件往往下不动，下了半天可能失败。 找了一个叫mamba的加速神器，可以用来并行下载和安装，大大加快速度，减少失败几率。 首先，mamba本身需要先通过conda来安装： conda install -
阅读全文
摘要：前言 将vcf转化为plink格式时，命令如下： plink --vcf snp.vcf --recode --allow-extra-chr --out test 出现错误： Error: Multiple instances of '_' in sample ID. If you do not
阅读全文
摘要：基因结构预测中同源注释策略，将mRNA、cDNA、蛋白、EST等序列比对到组装的基因组中，在文章中通常使用以下比对软件： tblastn gamp exonerate blat 根据我的实测，以上软件整体都比较慢。gmap可设置多线程来提升速度。tblastn虽然也可以，但对提速没什么影响。exon
阅读全文
摘要：homology策略预测基因结构，下载了公共mRNA/CDS序列，考虑用gmap比对。本来是个很简单的脚本，但总是不那么顺利。 无论是用conda安装，还是源码安装较新版本，都存在问题。 gmap_build -D ./ -d reference reference.fa gmap -t 10 -D
阅读全文
摘要：1.conda安装 conda安装虽然简单，但还是有很多坑，而且很多都是隐形的坑。 # conda install -c bioconda repeatmasker conda install -c bioconda repeatmodeler repeatmodeler依赖于repeatmaske
阅读全文
摘要：1. 主要纠错类型 上篇HiC挂载软件以及如何用Juice_box手工纠错？我吐槽了Juicebox操作麻烦，且没有详细文档。今天在3d-dna流程3D de novo assembly (3D-DNA) pipeline中，终于找到Juicebox的官方文档了：http://aidenlab.or
阅读全文
摘要：1.常用HiC挂载软件 ALLHiC 张兴坦老师专为多倍体和高杂合度物种基因组挂载开发。如果是复杂基因组，肯定是首选。对于简单基因组，我跑了下，结果不佳。提了issue，张老师特意开发了个为简单基因组设计的流程：https://github.com/tangerzhang/ALLHiC/blob/m
阅读全文
摘要：需求 客户的一个简单需求： 我有一批功能基因位点，想从重测序的群体材料中找到这些位点，如何批量快速获得？ 示例文件 gene.txt test.vcf 代码实现 run.sh cat $1 |while read gene chr from to do #echo $chr $from $to if
阅读全文
摘要：1.原理的区别 主要区别在于，非加权组平均法（UPGMA）是基于平均链接方法的聚集层次聚类方法，而邻接法（NJ）是基于最小演化准则的迭代聚类法。 UPGMA的假定条件是：在进化过程中，每一世系发生趋异的次数相同，即核苷酸或氨基酸的替换速率是均等且恒定的。 UPGMA生成有根树，而NJ生成无根树。由于
阅读全文
摘要：网上有一些很详细的教程，我这里只记录要点，其余部分按以下教程步骤来就行。 1. PicGo安装 国内下载可能较慢，取决于你的网速。下载安装好后，需要安装nodejs 和gitee插件，直接在PicGo上安装可能很慢，建议用npm在命令行安装gitee插件。 npm install picgo-plu
阅读全文