高锦的博客

对SRR7722937的三个fastq文件运行cellranger count ，完成后得到结果文件存于SRR7722937，打开其下的outs文件夹 下游分析所需的是红框的文件，利用R读入以上文件，形成expression_matrix#!/usr/bin/Rlibrary(Matrix)cellbarcodes ...

Sample（样本）：单个生物来源（血液、组织等）提取的细胞混悬液。（标示是index）Library（文库）：从一个样本制备的1个10X-barcoded测序文库，对应着一个10x Chromium Controller run 的单芯片通道。（标示是barcoded）Flowcell：一个类似载玻片的测序芯片，包含了一个run的测序数据，该数据可根据芯片上的 lane 和 样本的 in...

单细胞分离--测序原理10X Genomics采用Drop-Seq技术， 横向孔道逐个导入凝胶微珠Gel beads，第一个纵向道输入细胞。当凝胶微珠和细胞碰撞会被吸附在微珠上，然后通过微流控技术运送到第二个纵向通道（“油管”）。这时就会形成一个个的油滴GEMs（一个油滴就是一个凝胶微珠，也就是一个单细胞），然后收集在EP管中。每一个凝胶微珠都布满了不同的Barcode和UMI连接的序列，然后...

1. MiSeq 2x250 16S V4 下机测序数据经下面pipeline代码转换为OTU table#!/bin/bashif [ x$usearch == x ] ; then echo Must set \$usearch >> /dev/stderr exit 1firm -rf ../outmkdir -p ../outcd ../out# M...

生殖系突变（Germline mutation） 与体细胞突变 （Somatic mutation）生殖系突变（英语：Germline mutation）是指在生殖细胞中发生的任何可检测、可遗传的突变。 在生殖细胞系以外的细胞中发生的突变称为体细胞突变，也称作获得性突变。生殖系突变和体细胞突变的不同在于：生殖系突变可遗传给后代，而体细胞中发生的突变不能。鉴定体细胞突变的金标准方法是使用同...

测序数据量：常见的测序量概念有 M 和 G ，for example 10M 和 10G解释：M 常用于描述reads 的数量。 例如 10M 就是 10 *10^6 条readsG 常用于描述这一批次测序共有的碱基数量。 例如 10G 就是10*10^9个碱基M 和 G 之间的关系比如说对于3G测序量的理解：3G指有 5*10^9 个碱基，假如采取illumia的...

理解SNPs之间的联系或连锁不平衡（LD）模式对于单体型的选择具有重要作用，然而，对于密集的SNP图谱，随着区域内SNPs数量的增加，很难直接从复杂的VCF文件来看出SNPs间的连锁不平衡关系。LDheatmap就是这样一个能够可视化SNPs之间连锁不平衡关系的R包。先举个小例子：随机创建100个样本5个SNPs的基因型矩阵，并实现LD热图：rm(list=ls())set.see...

之前甲基化入门学习时本打算重复下提纲给的文献，但是后来学习过程中发现GEO上下载的RAW文件里没有该样本信息文件，就用了ChAMP包的测试数据。最后想了想，还是决定找一篇比较简单的文献的来实践使用下甲基化450K芯片的分析过程。看了几篇关于人的甲基化文献（数据在GEO上的），挑了一篇Intrinsic gene changes determine the successful establishm...

DNA甲基化芯片分析有不少R包实现，如：minfi、lumi以及ChAMP等，我只粗略看过minfi和ChAMP，发现ChAMP的功能更加齐全以及使用也较为简单，并且其也集成了minfi包的部分功能，所以下面以ChAMP包作为学习对象ChAMP包的安装source("https://bioconductor.org/biocLite.R")options(BioC_mirror="ht...

基本概念梳理 什么是DNA甲基化 DNA甲基化是表观遗传学的中最为常见的一种修饰，其主要形式包括：5-甲基胞嘧啶 (5-mC)、少量的N6-甲基腺嘌呤 (N6-mA) 以及7-甲基鸟嘌呤(7-mG)。 目前常说的DNA甲基化一般指CpG岛甲基化，即在DNA甲基化转移酶（DNMTs）的作用下使CpG二核苷酸5’端的胞嘧啶转变为5’甲基胞嘧啶。 哺乳动物体细胞的DNA胞嘧啶甲基化主要...

在SAM输出的结果中每一行都包括十二项通过Tab分隔（\t），从左到右分别是：1 QNAME,序列的名字（Read的名字）2 FLAG, 概括出一个合适的标记，各个数字分别代表1     序列是一对序列中的一个2     比对结果是一个pair-end比对的末端4     没有找到位点8     这个序列是pair中的一个但是没有找到位点16   在这个比对上的位点，序列与参考序列反向互补32  ...

名称         bwa –   Burrows-Wheeler  Alignment Tool内容摘要描述命令行与选项SAM 比对格式短序列比对注意事项  比对精确性  估计插入大小分布  内存需求  速度Bwa-0.6中的改变其他作者引用与授权历史摘要b w a   i n d e x   r e f . f ab w a   m e m   r e f . f a   r e a d s...

1. viewview命令的主要功能是：将sam文件转换成bam文件；然后对bam文件进行各种操作，比如数据的排序(不属于本命令的功能)和提取(这些操作是对bam文件进行的，因而当输入为sam文件的时候，不能进行该操作)；最后将排序或提取得到的数据输出为bam或sam（默认的）格式。bam文件优点：bam文件为二进制文件，占用的磁盘空间比sam文本文件小；利用bam二进制文件的运算速度快。

Pileup 格式最初是由Sanger Institute的Tony Cox 和 Zemin Ning 使用的，描述了染色体上每个位置的碱基信息。 可以用来 SNP/indel calling, 也可以直接用眼睛看一下排列的情况。Pileup 文件一般是由SAMtools从sorted bam 文件生成。samtools mpileup -f ../crrbwaidx/cr

BED 文件格式是一个可变方式的数据线，用来描述注释的数据。BED线有3个要求的字段和9个额外的字段。每条线的字段数目必须是任意单条数据的在注释上一致。可选字段的序试结合低数字的字段必须流行如果高位字段被使用。首先是三个要求的BED字段1,chrom, 染色体或scafflold 的名字(eg chr3， chrY, chr2_random, scaffold0671

全基因组重测序数据分析转自：http://www.biodiscover.com/news/research/95875.html1. 简介(Introduction)通过高通量测序识别发现de novo的somatic和germ line 突变，结构变异-SNV，包括重排突变（deletioin, duplication 以及copy number variation

GDCRNATools - An R package for downloading, organizing, and integrative analyzing lncRNA, mRNA, and miRNA data in GDCIntroductionThe Genomic Data Commons (GDC) maintains standardized genomic,

TCGA数据下载和整理的网站及软件发表很多了，比如Broad GDAC Firehose, Oncomine, TCGAbiolinks，TCGA-Assembler, TCGA2STAT，RTCGAToolbox等等，这些网站或软件要么使用的是TCGA更新前的数据，要么运行起来比较繁琐。当然各个工具都有其优势所在。之前在论坛里分享了自己下载和整理TCGA数据的Python代码。最近忙里偷

OMIM使用简要说明1.OMIM 为“0nline MendelianInheritance in Man”的简称，它通过对新的病症分类并命名、收录表型和相关病因基因的关系来收录人类孟德尔疾病信息。所以我们可以通过表型或者基因型来搜索对应的信息。通过网址登陆到OMIM的主页：https://www.omim.org/用户可通过主页中央的搜索框可完成简单的搜索任务，主页顶

download varscan2 the current version, refer to GitHub at  https://github.com/dkoboldt/varscan引用率貌似还可以的一个variants检测软件，用来Call Indel自然不在话下。前面我们说到samtools里面的mpileup，他生成的结果可以给bcftools用来Call Inde

The GEMINI database schemaThe variants tableCore VCF fieldscolumn_nametypenoteschromSTRINGThe chromosome on which the variant resides (from VCF CHRO

Calling SNPs/INDELs with SAMtools/BCFtoolsThe basic Command lineSuppose we have reference sequences in ref.fa, indexed by samtools faidx, and position sorted alignment files aln1.bam and aln2.

NCBI-SRA和EBI-ENA数据库SRA数据库: Sequence Read Archive：隶属NCBI (National Center for Biotechnology Information)，它是一个保存高通量测序原始数据以及比对信息和元数据 (metadata) 的数据库，所有已发表的文献中高通量测序数据基本都上传至此，方便其他研究者下载及再研究。其中的数据则是通过压

1) Phase I: Raw data processing (对于mapping结果的处理) (1)   通过mapping得到原始的mapping结果GATK要求输入文件是BAM格式的，我们使用bowtie2进行mapping，bowtie2速度上比较有优势，而且输出的结果就是SAM格式的，用samtools转换成BAM格式即可，以下为bowtie2进

安装：sudo pip install pyvcf然后报错说没有counter模块，于是：sudo pip install counter然后就安装好了 简单实用：import vcf myvcf = vcf.Reader(open('testpyvcf', 'r'))   #和python内置的文件类型一样，循环完不会从头开始。 f

对于RNA-Seq，目前主流还是用RPKM/FPKM来形容一个基因的表达量。有人说TPM更好。RPKM定义：有一个基因A，它在这个样本的转录组数据中被测序而且mapping到基因组了 5000个的reads，而这个基因A长度是10K，我们总测序文库是50M，所以这个基因A的RPKM值是 5000除以10，再除以50，为10. 就是把基因的reads数量根据基因长度和样本测序文库来标准化（n

对特定的基因call variation有这个需求，是因为我们经常对某些细胞系进行有针对性的设计变异，比如BAF155的R1064K呀，H3F3A的K27呀，那我我们拿到高通量测序数据的时候，就肯定希望可以快速的看看这个基因是否被突变成功了。现在比对几乎不耗费什么时间了，但是得到的sam要sort的时候还是蛮耗费时间的。假设，我们已经得到了所有样本的sort好的bam文件，想看看自己设计的

ANNOVAR简介ANNOVAR是由王凯编写的一个注释软件，可以对SNP和indel进行注释，也可以进行变异的过滤筛选。ANNOVAR能够利用最新的数据来分析各种基因组中的遗传变异。主要包含三种不同的注释方法，Gene-based Annotation（基于基因的注释）、Region-based Annotation（基于区域的注释）、Filter-based Annotation

samtools 常用命令详解

二代测序call indel 总结

WGS,WES,RNA-seq组与ChIP-seq之间的异同

NGS基础名词解释

HTSeq-count使用

fastqc_report解释