dujidan的博客

在双端测序中，每个 DNA 片段的两端都会被测序，生成两个读取（Reads），分别称为 Read 1 (R1) 和 Read 2 (R2)。对于链特异性文库，这两个读取不仅包含序列信息，还携带了关于原始转录本链方向的信息。含义：表示第一个读取（Forward Read 1, R1）是从正链（+ strand）测序而来，而第二个读取（Reverse Read 2, R2）是从负链（- strand）测序而来。应用场景：当构建链特异性文库时，F1R2 是指 R1 来自正链，R2 来自负链。

SAM 文件的第九列，即观察到的模板 LENgth （TLEN），可用作fragment 长度的近似值。这是近似值.

R语言---生信分析---ssGSEA基因集富集分析、免疫浸润

R语言---生信分析---count转换成TPM、FPKM

GCF是RefSeq，GCA是GenBank，GCF可能更可靠一些ACCESSION是NCBI序列数据中我们常用到编号（另一个是GI）。ACCESSION形式为

OxoG oxidative artifacts 氧化伪影123参考1鸟嘌呤（guanine）氧化成8-氧代鸟嘌呤（8-oxoguanine）是在基因组文库制备过程中，最常见的加接头前的伪影（artifacts）之一；形成的主要原因，是由于样品中的热量、剪切和金属污染共同产生（doi：10.1093/nar/gks1443）。8-氧代鸟嘌呤碱基（8-oxoguanine）可与胞嘧啶（cytosine）或腺嘌呤（adenine）配对，最终导致 PCR 扩增过程中 G→T 的碱基颠换。当模板链上的G被氧

samtools常用命令详解参考链接:https://www.jianshu.com/p/a3791cf16474https://www.jianshu.com/p/08d74365c64fsamtools 手册：http://www.htslib.org/doc/samtools-view.htmlSAM flags查询 https://broadinstitute.github.io/picard/explain-flags.html...

ftp://ftp.ncbi.nih.gov/pub/taxonomy/linux怎么提取两个文件相同开头的行？awk 'NR==FNR{a[$1]=$0}NR>FNR{print a[$1],$2}' test1 test2

如何预加载内存文件，例：kraken2 --loading memorkraken2的基本使用方法，瞬间 加载内存中的文件参考kraken2的基本使用方法，# kraken用于分类cat ${TOOLDIR}/configure/kraken2.cfg | xargs \kraken2 \ --threads ${thread} \ --db $krakendb \ --classified-out $outdir/kraken/${sample}.classified.f

# -*- coding: utf-8 -*-"""Created on Mon Jul 7 17:17:13 2021@author: dujidan"""import sys# taxid <=> namedef taxid2name(input_taxid_list): taxid_name_file = 'taxonomy/names.dmp' taxid_name_dict = {} name_taxid_dict = {} w

NCBI 的 taxonomy的nodes.dmp 如何向上查找指定等级的taxid# -*- coding: utf-8 -*-"""Created on Mon Jul 7 17:17:13 2021@author: dujidan"""import sysnodes_file = 'taxonomy/nodes.dmp'def nodes2dict(nodes_file): nodes_p_r_dict = {} with open(nodes_file)

bed文件 合并区间 python 实现目的python 实现其他实现目的将有overlap 的区域进行合并，生成无overlap 的文件本脚本仅实现中心算法部分，文件写入、写出部分，自行处理python 实现# -*- coding: utf-8 -*-"""Created on Thu Jul 14 08:18:15 2021@author: dujidan"""bed_list = [[4,5], [8,9], [2,6], [1,2]]sort_bed_list = li

如何从下载 UCSC 的 blatUCSC中的工具blat下载方式blat 问题UCSC中的工具http://hgdownload.soe.ucsc.edu/admin/exe/linux.x86_64/.blat下载方式#For linuxrsync -a rsync://hgdownload.soe.ucsc.edu/genome/admin/exe/linux.x86_64/blat/ ./#For MacOSrsync -a rsync://hgdownload.soe.ucsc.ed

如何下载NCBI的ftp数据因为要从refseq中下载数据，知道 ftp 地址，浏览器打不开，用了好多下载工具都下不下来，所以有点难受。。。一般的 ftp 下载链接是长这样的：ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/001/696/305/GCF_001696305.1_UCN72.1但无意间找到NCBI的FQA，所以找到了下载的方法（手动狗头）主要的方法就是：把下载链接开头的 ftp 替换成 rsync，然后用 rsync 进行传输这个也是可以使用

RPKM 的解释、计算看了很多说明，但还是不太明白，直到看了这个解释，实在是太清爽了，忽然间顿悟 有没有？留个链接，大家可以自己去查看下http://www.metagenomics.wiki/pdf/definition/rpkm-calculation....

bgzip -c raw_snp_vcf > raw_snp_bgzip.gz bcftools index raw_snp_bgzip.gz bgzip -c raw_indel_vcf > raw_indel_bgzip.gz bcftools index raw_indel_bgzip.gz bcftools concat -a -D raw_snp_bgzip.gz raw_indel_bgzip.gz -o ${raw_snp_indel_vcf...

# -*- coding: utf-8 -*-"""Created on Wed Apr 21 11:05:15 2021@author: dujidan"""from lifelines.datasets import load_waltonsfrom lifelines import KaplanMeierFitterfrom lifelines.utils import median_survival_timesdf = load_waltons()print(df.head(

生信分析学习笔记：（2）GO KEGG分析介绍教程1、富集分析 （Over-Representation Analysis ）2、GSEA（Gene Set Enrichment Analysis）3、可视化实战练手项目介绍通常用的富集分析有ORA、FCS和拓扑三种方法。ORA简单来说就是超几何检验或Fisher精确检验，大同小异，都符合超几何检验，这也是目前用的最多的方法，优劣不谈。FCS的代表就是 GSEA，即基因集富集分析，优劣亦不谈。clusterProfiler提供了这两种富集分析方法。教程

生信分析学习笔记：（1）火山图背景知识介绍：代码展示由于一直没认真学习，经常性三天打鱼两天晒网的，导致自己落后于他人太多【大哭】，所以要立个flag，争取早日追上大家。今天第一天，先从最简单的 火山图 开始学起。现在看一下效果图背景知识介绍：1、每个点代表一个检测到的基因。2、横轴和纵轴用于固定点在空间的位置。一般横轴是Log2(foldchange)，点越偏离中心，表示差异倍数越大。纵轴是-Log 10 (adjusted P-value)，点越靠图的顶部表示差异越显著。3、点的大小和

ONCOCNV 计算过程详解（1）计算原理计算原理Control.stats.txt、Test.stats.txt 中 最后一列的，计算原理readsCount / (sum_readslCount / sum_pos_len * pos_len)基于指定的bed文件，bedreadsCount ： 指定区间内的 reads 数sum_readslCount：所有区间内的 reads 总数sum_pos_len：所有区间内的 碱基 总数；即，所有的 end - start 之和pos_le

从bam中截取指定位置的 reads 或深度 samtools view -h recall.bam chr1:1116029-1116298 > get.sam # 获取指定位置reads samtools view -bS get.sam | samtools sort - -o get.bam # sam--->bam，排序 samtools index get.sam # 建索引 # 深度统计 samtools depth -r chr1:1116029-111

做生信的人经常会接触到一些fastq数据，有时想要从fastq文件中提取出某些序列来查看。一般情况可以使用grep命令，就可以实现grep -A 3 seq_id fastq.file# 匹配seq_id 并向下去3行但是，如果需要的序列很多，在使用grep就会很慢了，所以这里给出了 awk 的命令，速度简直快的飞起。awk -F ' ' 'NR==FNR {a[$1]=1; next} { if (a[substr($1,2)]) {print $0; getline b; print b.

参考基因组 坐标转换 hg38 hg19俗话说，工欲善其事必先利其器首先，你要有一套nb的工具，这里就介绍一下 UCSC 的 liftOver，这就是用来做 不同版本基因组间的转换。1、下载必要的软件和文件# 下载坐标转换对应文件，hg19到hg38# wget http://hgdownload.soe.ucsc.edu/goldenPath/hg38/liftOver/hg38ToHg19.over.chain.gzrsync -avzP rsync://hgdownload.cse.u

根据 基因名、bed 文件的基因位置，提取 DNA 序列 bedtools1、根据 Gene Symbol 查找在序列上的位置2、根据 基因位置 提取参考上的序列1、根据 Gene Symbol 查找在序列上的位置从UCSC下载匹配的 文件链接: http://genome.ucsc.edu/cgi-bin/hgTables.1）、主要注意版本的信息，按默认就行2）、点击 get output，至下一页，就可以选择自己勾选自己想要的信息了3）、下载后的文件，三列分别是 Transcripti

python 分析单细胞数据 scanpy数据下载流程分析数据下载# !mkdir data# !wget http://cf.10xgenomics.com/samples/cell-exp/1.1.0/pbmc3k/pbmc3k_filtered_gene_bc_matrices.tar.gz -O data/pbmc3k_filtered_gene_bc_matrices.tar.gz# !cd data; tar -xzf pbmc3k_filtered_gene_bc_matrices.t

HGVS 命名规则由于文字描述实在是太难有整体概念了，所以我根据HGVS官方网站整理成树状结构，主次关系一目了然，主要内容都涵盖其中了，如果想要具体了解哪项也方便查询。啥也不说了，直接上图了。由于图片较大，如果不清晰的话，可以私信我原图。参考：HGVS官方网址...

bismark判断甲基化的比对原理bismark判断甲基化的比对原理参考bismark判断甲基化的比对原理我第一次看这个原理时看懂似懂非懂，就是感觉这个算法很巧妙很nb，后来自己一边画图一边想才理解这个算法的意思。废话不多言，咱们就直接看比对的原理的理解图吧。大写的是改变的，橘色为甲基化的。参考官网：http://www.bioinformatics.babraham.ac.uk/p...

bedtools | 筛选重合区间 注释bed区间前言1、对文件格式进行调整2.bedtools 进行注释总结前言通常我们手里有一个bed区间的范围，但只看这个没有什么概念，所以，要对这个bed区间进行注释，看看都是什么基因。1、对文件格式进行调整首先我们需要下载一个RefGene的文件，里面包含转录本及外显子等诸多信息。anno_file = 'gs.anno' # ucsc 下载的refgene文件bed_file = '44.bed' # 目标bed区间 我的是4列，但只用里前三列t

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代码

GATK4 官网工具流程总结由于GATK4里的工具较多，所以将其整理成为图片的格式，以便有宏观的把握。要找什么就一目了然了。链接: GATK4官网.1、GATK4 里提供的所有分类和工具，可以实现什么功能。链接: GATK4官网.2、GATK4 推荐的最佳分析流程链接: GATK4官网....