Cassiel60的博客

COSMIC作为肿瘤常使用的数据库，和OMIM，HGMD遗传数据库一起，可以进行区分体细胞突变和胚系突变（来源于《高通量测序技术 李金明主编》第五章 数据库里的P146),所以这些数据库的本地化就很重要了。1.下载COSMIC数据库，进入主页，点击data下的download，找到要下载的文件点击下载（直接下载失败，用脚本下载）。2.脚本下载时按照网页上的步骤操作，由于设置密码时不知道后期会有这种要求，就在密码中加入了感叹号！，导致提示!:event not found，这时候把 echo "ema

1.根据一个表格是基因，一个工作簿里不同的癌种基因信息放在不同的表格中，要查找表1的每个基因在工作簿里的哪些癌种中存在#!/usr/bin/env python# encoding=utf-8# 目的是根据基因在另一个工作簿中各个表格匹配癌种import pandas as pdimport sysreload(sys)sys.setdefaultencoding('utf-8')df = pd.ExcelFile('../allgene.xlsx')keylist=[]val

查找肿瘤靶药预后风险相关基因位点，在没有找到相关的肿瘤panel的情况下，可以去cBioportal这个数据库去根据肿瘤类型查找频率很高的基因，然后把鼠标放在某个基因上，就会看到图一提示：进入OncoKB Cancer Gene List,看到图二界面 ：对于每个基因都进行了分类（癌基因还是易感基因），权威数据库是否收录。不需要注册，基因列表可以下载的，搜索某个基因进入后，就会看到每个基因上位点的变异，证据级别以及药物情况。在cbioportal数据库里也可以查找某个癌症里基因里的位点.

1.对于日常需要把如下一列数据转换为'A','B','C','D'的方法为：在正则表达式的循环查找模式下，输入查找目标为([\w\W]+?)\r\n ,替换为 '\1',ABCD2.对于ACE，ADA，BAX，CAPS转换为如下模式，输入查找目标为([\w\W]+?)\，，替换为\1\r\n 。1表示找到的目标ACEADABAXCAPS...

有时候找到一篇不错的文章，却只能看到一点内容，继续往下看，就要下载券，这时候可以用冰点文库下载。1.下载Fish-v323-0512软件，点击Fish.exe，免安装使用，出现如下界面：2.在选框中复制链接，点击下载，就可以看到下载进度条了。3.完成后在kpdf的文件夹下就可看到你要的文章了。...

目前分析WES/WGS的软件已经很多了，这次主要写GATK，和samtools mpileup 和bcftools call 流程。1,需要安装的软件trimmomatic,bwa,samtools,gatk bcftools ,vcftools,snpeff,multiqc,qualimap 等2.数据库的下载...

1.拿到一个已经设计好的引物表的时候，发现格式很乱，所以首先就是按照一定的格式把引物格式做好2. 把panel 按照如下格式进行调整，UniqueID要对应数据库，其中End应为Start加上Ref的碱基个数。3. hotspot 需要参照其他bed文件，自行添加头信息，修改makeTargetAndHotspot.py，运行。#!\usr\bin\python# codi...

现在对fastq格式的数据进行统计的软件也很多1.FastQC，目前也是用的比较多2.readfq 用来统计各种质量值3.fqcheck 我自己用的比较少 ，它会统计每条reads，按read 1-100位点计算每个位置的ACGTN含量，Q20，Q30等4.iTools 主要也是统计质量值，功能很多5.FxTools 用于全面分析FASTA和FASTQ文件，涵盖用户从序列修...

最近发现这个网站的博客不合适放很多文件的项目，所以需要结合github一起来记录。第一次做RNA-seq，是完全按照这篇文章（PMID:27560171）进行跑流程的，虽然刚开始做的时候不是很懂，但是做完了整个流程（Hisat2+Stringtie+Ballgown）后，就明白了。下载：Hisat2+Stringtie+BallgownGFF 工具这是17年就做好的分析，所以可能...

KEGG -GO主要是使用R 中clusterProfiler包进行富集分析 以及使用pathview 包进行代谢途径整合和可视化。进行在线分析的：https://pathways.embl.de/1.代码：https://github.com/Cassiel60/R/blob/master/enrichment.r2.安装包：使用代码中的方法要多尝试几次，反正我第一次安装时就是安装...

下载最新的数据库：ftp://ftp.ncbi.nlm.nih.gov/pub/clinvar/vcf_GRCh37/annovar是注释用的比较多的软件，clinvar的数据库经常更新，要跟的上更新，就必须自己进行格式转换，也可以把自己的数据库放在annovar注释，比如hgmd，网上有很多优秀的python代码可以实现，可以自己写，也可以参照别人的官方的版本使用perl写的,不过需要安...

YAML是"YAML Ain't a Markup Language"（YAML不是一种置标语言）的递归缩写。可以做多种用途：脚本语言，序列化，配置文件我们常见的是config.yaml做配置文件可以看出，同一个缩进属于同一个级别的，可以理解为和window的文件夹一样，当前面有“-”，就是一个数组。python 在写pipline时，可以配合sys.argv[1]进行一个传参...

HLA(human leukocyte antigen ，人类白细胞抗原)是人类的主要组织相容性复合体（MHC）的表达产物，该系统是目前所知人体最复杂的多态系统。通过HLA的分型，可以找到疾病的原因，比如免疫系统疾病，超过90%的强直性脊柱炎患者，HLA-B*27抗原表达为阳性，最常见的就是HLA-B*27:04是致病风险亚基。要查看HLA相关的分型的临床表现，可以去SNPedia查看。HLA...

# sequence.gb文件https://www.ncbi.nlm.nih.gov/nuccore/NC_000006.12?report=genbank#position.txt#生成的文件postion_HLA_seq.fafrom Bio import SeqIOfrom Bio.SeqRecord import SeqRecordfrom B...

#加载sangerseqR包library(sangerseqR)#读入数据seq = readsangerseq('input.ab1')#读取碱基数据，0.33指的是将达到主峰0.33的次峰定义为杂合子峰bc = makeBaseCalls(seq, ratio = 0.33)#读主峰primarySeq(seq)#读次峰secondarySeq(seq)#输出...

前段时间一直纠结于，用NIPTeR包分析·NIPT数据时，报错的问题，后面知道是从NCBI下载的数据不适用于这个包，其实写这个包的大神有提供数据，在他的github上的，下载test_samples文件下的数据，进行测试。里面有R的源码，以及每一步运行的数据。一般大神都有github账号，所以通过这种办法可以找到其他包的测试数据，更方便理解包的用途以及使用手法。library(NIPTe...