little^raccoon

使用miRDeep-P2从sRNA-seq数据中de novo预测miRNA

通过python的ftplib批量下载ensembl中指定类型的文件，并且同一个物种的文件保存在一个文件夹中#/usr/bin/pythonimport ftplibimport osimport time###设置下载路径，下载文件类型HOST='ftp.ensemblgenomes.org'DIRN='/pub/release-50/plants/fasta/'feature_lst=['cdna','cds','pep'] #如下载基因组文件，则加上‘dna’。后面if 'fa..

Phytozome官网提供了四种数据下载方式，前三种为网页操作模式，在此不多介绍，在此主要介绍第四种官方manualDownload with CartDownload with web UIDownload with Globus serviceDownload with APIDownload with API1. 登陆账号curl 'https://signon.jgi.doe.gov/signon/create' --data-urlencode 'login=USER_NA.

最近发现一个简单方便的下载测序数据的地方SRA Explorer用法很简单，试一下就会了，有几个小技巧：如果不翻墙，搜索速度会很慢搜索多个SRR库，可以用多种分隔符（逗号空格都行），点击搜索后会自动在关键词中间加 “AND”，但其实我们需要的是"OR"，复制下来替换一下，再去搜索就可以了...

Athaliana_447_Araport11.annotation_info.txt文件下载链接 https://phytozome.jgi.doe.gov/pz/portal.html#!bulk?org=Org_Athaliana_er#!/usr/bin/perlmy $infile=shift;my $gene_num=shift;my $outfile=$infile.".annotation.txt";$gene_num-=1;my %anno_hash;$usage="

usage: perl thisScript.pl query.fa gene.lst outfile--------------------------------------------------------------------query.fa 基因组或其他需要从中提取的fasta格式文件gene.lst 需要提取的基因或染色体名字，有无>均可outfile 输出文件#!/bin/perl#unless(@ARGV==3){# die "usage: $0 <inpu.

注释文件通常按照染色体序号升序排列，而有时需要我们对获取的注释文件进行排序。对于chr01这种直接sort就可以，但是对于chr1, chr2… chr11这种，直接sort的结果是chr11排在chr2前面。解决这种情况的方法很简单，提取染色体中的数字，然后使用sort的-n参数就可以。而写成脚本复用起来也比较方便。有些物种染色体命名可能特殊，所以line 24的正则匹配要针对不同情况修改。现在的脚本匹配染色体命名为Chr chr CHR。#!/usr/bin/perl# 2020-11-12.

有些东西不常用，所以要多做记录#导入模块from Bio import Entrez, Medlineimport re#邮箱不是强制性，但NCBI要求出现问题时可以联系到用户。也可以在Entrez.esearch()的参数列表里设置email="aaa@163.com"Entrez.email = "aaa@163.com"#搜索关键词，就像在线搜索一样，可以用“AND”和“OR”。以及关键词类别，如[Year], [Organism], [Gene]等。keyword = 'miR15.

GetOrganelle安装conda install -c bioconda getorganelleor download from github unzip GetOrganelle-master.zip; cd GetOrganelle-master python setup.py install get_organelle_config.py --add embplant_pt,embplant_mt #v1.7.0版本后，默认的database需要手动下载，我在这里这下载了植物p

Install下载地址（网上有好多下载地址是错误的）：https://downloads.asperasoft.com/en/downloads/8?listtar -zxvf ibm-aspera-connect-3.9.9.177872-linux-g2.12-64.tar./ibm-aspera-connect-3.9.9.177872-linux-g2.12-64找到安装路径，将bin文件夹添加到$PATHupload fastq.gz to SRAascp -i <path

deepToolss 3.3.0用户手册Get helpParameters of decrease the run timeFiltering BAMs while processingGet helpbamCoverage --helpParameters of decrease the run timenumberofProcessors多进程 e.g. --numbero...

blat - Standalone BLAT v. 36x2 fast sequence search command line toolusage:blat database query [-ooc=11.ooc] output.pslwhere:database and query are each either a .fa, .nib or .2bit file, or a list...

感觉比bedtools更灵活一些。

while(<>){ chomp; $line=$_; @line=split /\t/,$line; ($name, $score)=@line[0,11]; if(!exists($max{$name})){ push @names,$name; } if(!exists($max{$name})||$s>$max{$name}){ $max{$name...

想下载拟南芥一些特定组织的RNAseq数据，通过entrez把各个库的info下载，然后筛选后进行下载Entrez Direct: E-utilities on the UNIX Command LineInstallation cd ~ /bin/bash perl -MNet::FTP -e \ '$ftp = new Net::FTP("ftp.ncbi.nlm....

#!/usr/bin/perl -wprint"Input sequence:\n";chomp(my $seq = <STDIN>);$ seq =~ tr/atcguATCGU/tagcaTAGCA/;print “Reverse complement sequence:\n”print scalar reverse $seq;#或者使用下面这种形式输出，因为reve...

#!/usr/bin/perl -wunless(@ARGV==2){ die "Usage: perl $0 <input_fasta> <output> error:$!\n";}my($input, $output)=@ARGV;open INPUT, $input;open OUTPUT, ">$output";#===============...

因为数据库中需要有blast功能，我们在网上搜到有viroblast，Sequenceserver 等开源的码可以用。viroblast是PHP写的，所以打算直接拿来用，然后改一下前端（捂脸，狗头）感谢小麦研究联盟和基因课本文记录仅作为little_raccoon的实验记录安装apache2 服务器sudo apt-get install apache2/var下会有/var...

在NCBI下载测序数据时有很多是以reads序列 + count数的格式，这种是作者去完接头并过滤掉低质量reads后的结果。下面实现将reads count格式转化为fasta格式cat reads_count.txtAAACCCGGGTTT 3ACAAGATTAG 5TAGACAGA 1python实现fw = open('./reads.fas', 'w')...

small RNA seq筛选reads长度，以筛选18~25 nt为例pythonfw = open('out', 'w')with open('inp', 'r') as fr: content = fr.readlines() for i in range((len(content) + 1)/4): site = 4 * i if ...

从NCBI下载的测序数据很多是去过接头的，并且整理成readscount格式，即每行第一列为reads，第二列为reads数，而我们需要把它整理成fasta格式，并且每个read都整理为一条序列原始文件：cat GSM3124755_WTB_PARE.csv | headGATCTTTCGAACTTTCCCAAC,1ACTCTCTGCACTAAACAAAA,1TTTTGTCATTG...

需要准备的数据：降解组测序数据QC后整理为redundant fasta格式转录本数据，fasta格式miRNA序列，fasta格式查看帮助文档CleaveLand4.pl --helpreadscount转为fasta格式(redundent reads)从NCBI下载的测序数据很多是去过接头的，并且整理成readscount格式，即每行第一列为reads，第二列为read...

Phylobayes做Cross-Validation原理Cross-validation (CV) is a general method for evaluating the fit of alternative models. The rationale is as follows: the dataset is randomly split into two (possibly un...

当序列少的时候，我习惯用 grep -A 1 -f seq.lst seq.fas | sed ‘/^–$/d’ &gt; out.fas提取，但是这次遇到了一个大文件，用grep就太费时了，然后又试了一下TBtools的提取序列功能，发现时间也很长，所以就写了个python。提取将近100万条reads耗时也就需要10s左右#!/usr/bin/python# -*- coding: u...

awkawk '{print "&gt;"$9"\n"$10}' file.gff3Pythonfr = open('./file.gff3', 'r')for line in fr.readlines(): name = '&gt;' + line.strip().split('\t')[8] seq = line.strip().split('\t')[9] ...

NCBI下载的测序数据有很多是去接头后的unique序列，第一列表示reads序列，第二列表示reads数，中间用\t分隔。我们需要对这种格式整理成miRDP软件输入的fasta格式zcat GSM932400_GEK51_unique.txt.gz | head -n 5TGAAGCTGCCAGCATGATCTA 240181GACCGCATAGCGCAGTGGA 45144...

去接头后的fastq格式需要转为unique的fasta格式，用于miRDP的下一步分析。用python的.count()感觉速度太慢，用awk速度很快。head -n 12 SRR7406454_trimmed.fq@SRR7406454.1 HISEQ:279:HVMFNBCXX:1:1101:1442:2039 length=50NTTGGATTGAAGGGAGCTCTA+SR...

软件操作步骤在简书上的《基因组共线性工具MCScanX使用说明》一文描述以非常详尽，有需者可以跳转学习。本文专注于如何将Ensemble plant下载数据整理成MCScanX输入格式因为我在后期需要添加非编码序列，所以在Ensemble Plant下载的CDS序列，Protein我想规则也是类似的；GFF3文件处理awk '{if($3==&quot;mRNA&quot;) print $1&quot;\t&quot;$9&quot;...

#!/usr/bin/pythonimport argparseparser = argparse.ArgumentParser()parser.add_argument("inputFile", help="input a sequence file", type=str)args = parser.parse_args()inp = args.inputFilefr = open...

twoBitToFa在UCSC下载小鼠的mm10版本基因组数据时没有找到.fa文件，发现了一个mm10.2bit文件，估计是把基因组序列存成了二进制文件，翻看文件说明：mm10.2bit - contains the complete mouse/mm10 genome sequence in the 2bit file format. Repeats from RepeatMasker a...

#!/usr/bin/perl -wunless(@ARGV==3){ die "Usage: perl $0 <ID_lst> <input_fasta> <output> error:$!\n";}my($lst, $input, $output)=@ARGV;open LST, $lst;open INPUT, $input;open OU...

在做多基因blast时，通常每个基因找到的匹配序列很多。这时习惯根据evalue来进行筛选，evalue较小的其相似性更高。下面提供两种方法解决。一 linux命令sort -k 11 a.test | sort -k 1,1 -u第11列为evalue值，第一列为基因名，先根据evalue升序排列，然后根据基因名去重。默认会保留最上面的一条记录，即evalue最小值。二 pan...