twocanis的博客

拿到多组学的数据后一直在找合适的方法将二者进行关联，比如我这里是三种体液的代谢组与一种体液的宏基因组。需求是对多组学进行关联分析，直到最近看到不少文章里利用Gephi将相关性表格进行可视化的图，效果还不错，于是写个过程记录自用。这里演示的是属水平的差异菌群相对丰度（宏基因组结果）与代谢组鉴定到的差异代谢物进行关联。先是计算相关性生成graphml格式文件使用Gephi软件进行可视化。

同上一篇的PCoA分析，这个也是基于公司结果基础上的再次分析，重新挑选样本，在公司结果提供的csv结果表上进行删减，本地重新分析作图。

选取不同样本属水平的丰度数据，利用r的vegan包等绘制PCoA图

将实验样本的代谢组进行数据可视化，利用Echarts绘制差异代谢产物分类与HMDB化学分类的旭日图

背景**基于公司已给出的结果上做出调整（公司只给出了top10），画KEGG富集通路的气泡图，初始文件如下图代码演示> getwd() #显示工作目录> setwd() #如果上述显示不是想要的路径，可以新建一个文件夹然后设置成工作目录，方便一些原始文件以及结果图片的存放> install.packages("ggplot2",destdir="D:/RData/R-win-4.0.2/R-4.0.2/R-packages",lib="D:/RData/R-win-4.0.2

MetaboAnalyst 5.0MetaboAnalyst 5.0可进行代谢组数据的可视化分析，Module Overview如下，包括Biomarker Analysis/ Enrichment Analysis/Pathway Analysis/Joint Pathway Analysis/Network Analysis以及各种封图分析等，基本送测公司的报告里头的结果图，只要拿到excel检测结果信息表都能在这个网站自己做，操作简单直接上手Interactive Pathways Expl.

文章目录前言一：读取含特定字符的序列并输出演示二：读到某一个字符之前的全部输出使用方法三：输出前n条序列使用方法总结前言背景：学测序流程的时候，做到mapping的时牛的基因组有两个多G，因为是在个人PC上初步学习，建立index实在太慢了，而且临时也没有现成的index。于是决定只挑基因组前十条染色体拿来练习（所以需要从基因组文件里选取序列，尝试自己用python写脚本处理）。python之前因为实在不聪明也就刚学到字典部分，借鉴了网上的一些内容整理了一下，写了几种情况关于利用python脚本提取f

文章目录测序数据质控1.原始数据统计2.质控数据统计测序数据质控Illumina 测序属于第二代测序技术，单次运行能产生数十亿级的reads，如此海量的数据无法逐个展示每条read的质量情况；运用统计学的方法，对所测序列进行统计和质控，可以从宏观上直观地反映出样本的文库构建质量和测序质量。1.原始数据统计1）原始数据获得 Illumina 平台通过将测序图像信号经CASAVA碱基识别(Base Calling)转换成文字信号，并将其以 fastq 格式储存起来作为原始数据。根据index序列区

文章目录前言短序列比对软件sam文件insertsize基因差异表达计算变异检测物种组成与丰富度计算kmer估计基因组大小序列拼接Pregraph常用序列拼接软件基因组污染分析RNA-seq与meta序列拼接基因功能注释非编码RNA小RNA共线性分析在线序列分析序列比对数据下载前言根据B站教程生物信息快速入门边自学边随手记的笔记，省略了开头几节测序原理以及数据质控，在之前的文章中有粗略提过该部分。目前我自己理解的大致流程基本就是测序——质控——比对拼接（contig、scaffol、mappingd

用conda安装bwa、samtools和tophat2bwa$ conda install bwasamtools$ conda install samtoolstophat2安装wget http://ccb.jhu.edu/software/tophat/downloads/tophat-2.1.0.Linux_x86_64.tar.gz解压tar -zxvf tophat-2.1.0.Linux_x86_64.tar.gz加入环境变量pathexport

文章目录前言raw data 和 fastq文件readsQ20和Q30N值AdaptersDuplicationInsertfastp reportsummaryAdapterInsert size estimationBefore filtering前言测序出来的数据利用fastp一个命令质控全搞定，无论是SE还是PE，同时会生成.json和.html格式的报告，十分直观方便，如何生成报告可查看 Linux下fastp的使用 ，下面记录一下如何理解这份报告。在这之前先整理几个概念：raw d

单端测序(Single-read)与双端测序(Paired-End)一图看区别：总的来讲就是单端测序只从一侧读，而双端测序是两头同时读然后拼接单端测序(Single-read)Single-Read测序(Single-read)首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow cell上生成DNA簇，上机测序单端读取序列。该方式建库简单，操作步骤少，常用于小基因组、转录组、宏基因组测序。测序的质量会随着测序