likelet的专栏

1.对于windows 2000/xp 用户，下载blast-2.2.18-ia32-win32.exe安装文件ftp://ftp.ncbi.nlm.nih.gov/blast/executables/LATEST/blast-2.2.18-ia32-win32.exe2.创建一个新目录，例如C:\blast，将下载的文件blast-2.2.18-ia32-win32.exe复制到该目录，

由于连接测序仪的服务器不知道哪里抽了风，无法直接的生成fastq格式的文件，好久都无解，经过一段时间仍无法解决，所以采用曲线救国的方法，看能不能利用三方软件将bcl转换成fastq文件    google以后发现illumina的OLB（off-line Basecaller）软件可以实现从bcl格式转换成qseq格式，而qseq格式就可以通过简单的perl或者shell或者java脚本转换成

转http://yixf.name/2012/12/06/%E8%BD%ACencode30%E7%AF%87%E8%AE%BA%E6%96%87%E5%85%A8%E6%91%98%E8%A6%81-%E8%81%9A%E7%84%A6%E4%BA%BA%E5%9F%BA%E5%9B%A0%E7%BB%84%E5%8A%9F%E8%83%BD%E7%A0%94%E7%A9%B6/作者：Z

转自：http://liucheng.name/379/　　NCBIRefSeq (美国国立生物技术信息中心参考序列库) 是目前世界上最具有权威性的序列数据库。NCBI的参考序列计划（RefSeq）将为中心法则中自然存在的分子，从染色体到mRNA到蛋白提供参考序列标准。RefSeq标准为人类基因组的功能注解提供一个基础。它们为突变分析，基因表达研究，和多态发现提供一个稳定的参考点。

同济GFOLD软件是一款根据mapping结果直接进行差异表达分析的软件，http://www.tongji.edu.cn/~zhanglab/GFOLD/index.html，文献中提到，该软件在分析无重复的转录组数据的时候，不以p值为计算依据，而是以GFOLD值作为标准筛选差异表达基因，命令也比较简单。国产软件还是支持一下。结果要优于其他DESeq、edgeR、cuffldiff等软件，故

DESeq采用NB（负二项分布检验的方式）对reads数进行差异显著性检验，同时还增加了矫正由于长度引起的误差，估算基因表达量的方式采用basemean值来估算表达量（标准化以后）这里，我在R下安装DESeq包出现了一些问题帮助总结一下。首先，我的R是15.0版本打开R source("http://bioconductor.org/biocLite.R") biocLite（

XML文档 1、 什么是格式正规的XML文档：所以遵守规定的XML基本语法规则的文档（数据）都称为格式正规的XML文档。这类数据在使用时可以不使用DTD或模式来描述它们的结构，它们也称做独立的（或非DTD）XML数据，这些数据不能够依靠外部的声明，属性值只能是没有经过特殊处理的值或默认值。2、 一个格式正规的XML数据包含一个或多个元素，它们相互之间正确地嵌套，其中有一个元素，即文档元

本人在做芯片数据分析的时候遇到这种情况：筛出来差异表达的基因如何可视化成了问题，一般情况下不同软件对待差异表达基因的可视化有不同处理，这里重点讨论一下常见heatmap图的绘制。传统的方法采用R语言包里面的heatmap（）函数对其进行绘制，方法比较简单，如果要求较高可以采用这种方法来画图，但是操作起来会比较麻烦，可以参照这个网址进行操作http://flowingdata.c

转自：http://zhangyuexing.7ta.cn/Article/12289/1441SAM 软件(Significant Analysis of Microarray)它是由 Standford 大学开发的一个免费软件, 目前广泛地被学术界所采用,进行挑选差异基因。SAM 软件可以作为插件在Office Excel 软件中进行应用,很容易被生物医学工作者掌握。SAM 软件进行分

转自http://www.cnblogs.com/emanlee/archive/2012/03/06/2381617.htmlSimilar to other algorithm, K-mean clustering has many weaknesses:  1 When the numbers of data are not so many, initial grouping

dbscan算法是一种基于密度的聚类算法。该算法的目的在于过滤低密度区域，发现稠密度样本点，跟传统的基于层次聚类和划分聚类的凸形聚类簇不同，该算法可以发现任意形状的聚类簇，与传统的算法相比它有如下优点：      与K-means比较起来，你不必输入你要划分的聚类个数；      聚类簇的形状没有bias；      可以在需要时输入过滤噪声的参数；DBSCAN中的的几个定

转自http://hi.baidu.com/lidaof/blog/item/fb4569cfc2011931f9dc612f.html以后打算工作中用到的相关BLAST操作全部用BLAST+来完成与以前的Blast相以，我们还是从格式化数据库到比对开始一般我们是有一个fasta文件用来格式化数据库，以前的命令是formatdb，现在是makeblastdb一般用到的格

转自http://blog.sina.com.cn/s/blog_63329a920100o6yd.html两列样本数据的差异基因筛选方法：FoldChange法+FDR控制其中，FDR值的计算方法如下：1）对每个基因进行p-value的计算假设观测到基因A对应的reads数为x，已知在一个大文库中，每个基因的表达量只占所有基因表达量的一小部分，在这种情况下，p

GIF值通常用在GWA过程中，用来控制该过程质量；鉴别出那些低质量的基因标记；例如在统计学中，GIF值大于1.0表示结果有低质量数据的出现；那么我们如何计算gwa中的GIF呢；在matlab中，我们使用qqplot（）来生成QQplot图，但是这并不意味这我们能够很容易的计算并得到GIF值，我们生成QQplot以后才能从头计算GIF。第一步就是，我们首先得到正态分布的期望顺序统计量；正态分

Q-Q plot 即Quantile-Quantile Plot。它在各类研究中经常用到，主要是直观的表示观测值与预测值之间的差异。在SPSS中很容做，Analysis - Descriptive statistics - Q-Qplot。Q-Q plot主要是用来估计数量性状观测值与预测值之间的差异。一般我们所取得的数量性状数据都为正态分布数据。在GWAS研究中Q-Q plot的X和Y轴

OR值的全称是odd ratio, OR值是相对危险度，又称比值比，对于发病率很低的疾病来说，它是OR值即是相对危险度的精确估计值。计算公式如下：Odd ratio, 95% CI假定我们要鉴别一个基因（或者标记位点SNP）有两个等位基因（等位）:记为Allele 1Allele 2Allele 1

转载一个很全面的核酸序列分析的文章 核酸序列分析核酸序列分析1、核酸序列检索可通过NCBI使用Entrez系统进行检索，也可用EBI的SRS 服务器进行检索。在同时检索多条序列时，可通过罗逻辑关系式按照GenBank接受号进行批量检索。如用“AF113671 [ac] OR AF113672 [ac]”可同时检索这两条序列。其中“[ac]”是序列接受号的描述字段

How to install R on a local machine, the problems faced and troubleshootingDownload the tarball of R-2.6.2 from  http://www.icewalkers.com/Linux/Software/530020/R.html onto your local machine, f

转自：http://www.plob.org/2012/07/31/3013.html做基因组数据分析，可能经常从NCBI的GEO/SRA或者EBI的ENA数据库下载高通量的数据，动辄几十G的数据用wget下载实在太纠结，这时就要用到神器-Aspera了。使用Aspera，最简单的方法当然就是使用浏览器插件Aspera Connect了，跟迅雷、Flashget的用法差不多，直接单