04 2021 档案
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：生信软件绕不过Perl，Perl绕不过Bioperl。而Bioperl的安装总让人头大，尤其是对普通用户。以下错误你肯定经常遇到： Can't locate Bio/Seq.pm in @INC (you may need to install the Bio::Seq module) (@INC
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：需求 已知某基因组序列，染色体或scaffold ID顺序不定，想要对其按数字排序。 原顺序： 想要的排序结果： 实现 使用bioawk，没有的话conda直接安装。 bioawk -c fastx '{print}' old.genome.fa | \ sort -k1,1V | awk '{pr
阅读全文
摘要：问题 这个问题应该很常见吧。R中输出数据框时，想要把行名和列名都输出。如果直接输出的话，输出的结果列名会往前移动一位，这显然不是我们想要的。 直接上例子： > a = matrix(1:9, nrow = 3, ncol = 3, dimnames = list(LETTERS[1:3], LETT
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：需求 一个数据框一列或多列中有重复行，如何将它的重复行转化为多列？即本来两列一对一的关系，如何转化为一对多的关系？普通的spread函数实现较为麻烦。 示例数据如下： Item Value Apricot 4 Apricot 2 Apricot 5 Banana 4 Carrot 7 Carrot
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
