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
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 客户随手丢来一个基因型文件，类似于hapmap格式，只是少了中间多余的那几列，像这种类hapmap格式文件，往往是芯片数据。 这样的数据因为缺乏等位基因：参考碱基和变异碱基信息，对应在vcf文件中就是REF和ALT，导致后续一些分析没法进行。 那么，问题来了：怎么根据这个基因型文件来推断参考和 阅读全文
摘要：
需求 要写一个接口，同时支持压缩和未压缩文件读入 示例代码 笨办法 import os import gzip filename = sys.argv[1] if not filename.endswith('.gz'): with open(filename, 'r') as infile: fo 阅读全文