xuzhougeng blog

是时候告别3d-DNA了

通过后续的分析发现，只需要保证输入的fasta是多行形式，而不是单行形式，那么原来的流程的分析 速度并不会受到影响。可以使用 seqkit seq -w 80 input.fasta > output.fasta 的方式来调整输入fasta的格式。

优秀的提问和很有用的回答

JCVI画图真好看！

努力搞懂基因正选择分析背后的原理

代码和数据都在GitHub上，见 https://github.com/xuzhougeng/rice_annotaiton

唐海宝老师开发的JCVI有一个工具，叫做ALLMAPS， 能够展示遗传图谱和物理图谱的对应关系，如下所示但是这个图的目标是为了对ALLMAPS的scaffold结果进行可视化，并不是专门用于展示遗传图谱的标记和物理图谱的对应关系。尽管在allmaps这个组件下提供了plot函数，命令行输入只要求 input.bed 和 seqid， 但实际运行的时候还要求 allmaps path的中间文件, xxxx.lifted.bed, xxxx.agp, weight.txt等文件。为了解决这一问题，我阅读了

在如何用WGDI进行共线性分析(一), 我们基于blastp的结果绘制了点图，之后用 -icl 模块进行进行共线性分析，得到了 collinearity 结果 。后面就直接基于该文件开始计算ka/ks，然后绘制ks plot.但是，在那篇教程的时候，我其实还有一个问题，就是能不能直接根据 collinearity 结果绘制点图呢？在WGDI提供的流程示意图中，没有这一分支虽然自己写代码实现也不复杂，但是为了避免重复造轮子，我们使用了JCVI的图形模块绘制dotplotjcvi.graphcis.do

hifiasm是一个能有效利用PacBio HiFi测序技术，在分型组装图(pahsed assembly gprah)中可靠的表示单倍体信息的算法。流程介绍hifiasm的分析流程如下，主要分为3个阶段第一阶段：通过所有序列的相互比对，对前在测序错误进行纠正。如果一个位置只存在两种碱基类型，且每个碱基类型至少有3条read支持，那么这个位置会被当作杂合位点，否则，视作测序错误，将被纠正。第二阶段：根据序列之间的重叠关系，构建分型的字符串图(phased string graph)。其中调整朝向的序

NextDenovo是武汉未来组胡江博士团队开发的一个三代组装工具，能够用于PacBio和Nanopore数据的组装。但是从官方的介绍而言，改工具在组装Nanopore上优势更大一些。NextDenovo包括两个模块，NextCorrect用于原始数据纠错，NextGraph能够基于纠错后的进行组装。使用修改版的minimap2进行序列间相互比对。v2.0-beta.1版中在处理高度重复序列上可...

基因组组装完成后，或者是完成了草图，就不可避免遇到一个问题，需要对基因组序列进行注释。从头注释(de novo prediction)：通过已有的概率模型来预测基因结构，在预测剪切位点和UTR区准确性较低同源预测(homology-based prediction)：有一些基因蛋白在相近物种间的保守型搞，所以可以使用已有的高质量近缘物种注释信息通过序...

QTLseqr是一个用于BSA-seq的R包，它能够读取GATK输出结果进行过滤，最终使用SNP-index和G 统计值的方法进行定位。我们这次尝试使用这个R包来替代我们自己手撸代码来分析一批水稻BSA数据，文章的数据在如何使用BSA方法进行遗传定位（水稻篇）提供了下载链接。首先是安装和加载R包，由于QTLseqr目前托管在GitHub上，因此需要用devtools才能安装。devtools:...

在我大学的时候，构建遗传图谱靠的是人工跑胶，然后看胶图统计基因型。当时我用的SSCP(单分子构象多态性)技术区分单个碱基存在差异的等位基因，要放在4度过夜12小时，然后第二天银染显色，放在一个医学看片的设备上读条带。现在测序便宜了，简化基因组测序随随便便就能获得成千上万的分子标记。然而标记多有标记多的烦恼，就是以前的作图软件不好用了。以前的暴力穷举的方法在海量标记面前，几乎不可能在有限的时间里完...

训练 ab initio 基因预测工具(以SNAP为例)对于一个新的物种而言，你大概率是没有一个高质量的基因模型去进行基因预测。但是我们可以利用EST序列（少部分物种估计有）、二代测序数据、同源物种蛋白序列，先直接用Maker做基因注释，尽管得到的模型可能不是特别的完美，但可以作为输入反复迭代运行Maker，从而提高最终的表现。这次使用的是下载的练习数据集（见附录）cd ~...

基因组survey在组装基因组之前一定要先对要组装的物种有一个大致的了解，判断其复杂程度, 标准如下简单基因组: 杂合度低于0.5%, GC含量在35%~65%, 重复序列低于50%二倍体普通基因组: 杂合度在0.5%~1.2%中间，重复序列低于50%。或杂合度低于0.5%，重复序列低于65%高复杂基因组: 杂合度>1.2% 或 重复率大于65%k-mers最简单...

这里的新版指的是PacBio公司在2018年9月发布pb-assembly, 而这篇文章是在2018年9月30日发的。今年早些时候在参加三代培训时，听说PacBio会在今年对Falcon进行一些改变。前几天我在读 readthedocs上的Falcon文档时，发现了文档页面上方出现了这样两栏提醒其中pb_assembly就是新的FALCON组装套装在GitHub上的使用文档，经过了几天的...

最近我拿到了一批Bionano数据，用关键字 “Bionano+组装” 进行检索时，并没有发现任何的教程，所以这应是中文网络世界里第一个Bionano数据分析系列Bionano技术简单来说，就是给分子加上荧光标记，然后拍照，所以最原始的下机数据就是TIFF格式，但是用户拿到的一般都是经AutoDetect/IrysView 转换过的BNX格式。这篇文章主要就是讲讲BNX格式的具体含义。根据...

从这部分开始，就开始涉及一些软件的操作和数据分析，因此在进入正文之前，我们需要准备好环境。环境准备第一步：从 https://bionanogenomics.com/library/datasets/下载人类测试数据集，以及对应的NA12878人类基因组。wget http://bnxinstall.com/publicdatasets/DLS/20180413_NA12878_S3_co...

最近拿到了nanopore的数据，尝试对其组装。目前用的是Canu，预计2个月内才能走完第一波分析，速度实在感人，所以翻了翻文献，找找组装方法。目前Nanopore卖点主要是两个角度：第一是Nanopore的读长长，某些情况下能够达到单条上M，但是这种情况可遇而不可求，很多时候只存在于宣传册上。另一个则是Nanpore便宜，这样就能够保证测序深度，从而提高组装质量。但是Nanopore也有...

文章首发在个人博客: NECAT: Nanopore数据的高效组装工具NECAT是肖传乐老师团队开发的一个针对Nanopore数据组装的软件，目前该工具尚未发表，除了https://github.com/xiaochuanle/NECAT有软件的介绍外，暂时没有中文资料介绍NECAT的使用。太长不看的结论: Nanopore的组装推荐用下NECAT。组装之后是先用MEDAKA做一遍三代po...

文章首发于个人博客 <xuzhougeng.top>FALCON和Canu的组装后会得到一个单倍型融合的基因组，用来表示二倍体基因组。之后，FALCON Unzip和Supernova这类软件进一步处理其中等位基因区域，将这部分区间进行拆分。当基因组某些区域可能有着比较高的杂合度，这会导致基因组该区域的两个单倍型被分别组装成primary contig， 而不是一个为prima...

binmapr是我折腾的一个R包，它能够将NGS测序得到SNP数据基于binmap进行纠错，用于更好的遗传定位。在阅读本文之前，请先花点时间看看Bin, Bin, Bin！Map, Map, Map Now!, 我只是将里面的步骤整理成R包方便调用而已。首先你得安装并加载R包。因为这个R包目前主要是方便自己使用，所以托管在GitHub上，需要用devtools进行安装devtools::in...

在基因组注释上，MAKER算是一个很强大的分析流程。能够识别重复序列，将EST和蛋白序列比对到基因组，进行从头预测，并在最后整合这三个结果保证结果的可靠性。此外，MAKER还可以不断训练，最初的输出结果可以继续用作输入训练基因预测的算法，从而获取更高质量的基因模型。Maker的使用比较简单，在软件安装成后，会有一个”data”文件夹存放测试数据ls ~/opt/biosoft/ma...