weixin_42480153的博客

ZOTU表处理方法参见本人前述zotu流程1 OUT表准备用excel打开文件zotutab.vsearch.count_table，第一列列名改为#NAME，第二列删除 文件另存为csv格式文件2 准备meta文件Excel新建一个表格，第一列是样品名，第二列是处理分组信息，文件另存为csv格式3 准备物种注释文件用Excel打开zotus1.nr_v138.wang.taxonomy,选中第二列，替换，查找内容输入(*)，点全部替换选...

评估饲料降解的公式是0rskov and McDonald (1979)提出来的，公式是dp= a + b (1- e ^(-kd*t))where dp,a, b,kd werethe ruminal disappearance at time t, therapidly soluble fraction, the potentiallydegradable fraction, the constant rate ofpotentially degradable fraction本人用

mydata<-read.table("clipboard",sep="\t",header=T,row.names = 1)trans<-t(t(mydata)/colSums(mydata))*1E6write.table(trans,file="out.xls",sep="\t") #导出数据行名会错一个

cd /mnt/10t/database/kraken2-build --download-library bacteria --db krakenbac --use-ftpkraken2-build --download-library archaea --db krakenarch --use-ftpmkdir /mnt/10t/mzy/24samples/taxcd /mnt/10t/mzy/24samples/taxfor i in 123 126 134 131 125 140 132

read.table(file="clipboard",sep="\t",header=T)->mydata#colnames(mydata)[c(2,4:14)]->v1 #sf#colnames(mydata)[3]->r1 #sfcolnames(mydata)[c(2,5:14)]->v1colnames(mydata)[4]->r1length(v1)->afml=paste(r1,"~",paste(v1,collapse="+"))fm.

#diamond makedb --in ECH2.faa -p 20 -d ECH2#cd /mnt/mzy/dairycow/24samples/mag/genset/raw#for i in MAG*#do#prodigal -i $i -a /mnt/mzy/dairycow/24samples/mag/genset/prodigal/$i.fa -q &#donecd /mnt/mzy/dairycow/24samples/mag/genset/prodigal/#cat *

#获得微生物代谢相关module的丰度信息#DNA水平modulelibrary(data.table)library(dplyr)fread("/mnt/mzy/dairycow/72samples/geneset/annotation.emapper.annotations",header=F,sep="\t",fill=T)->alist=c("M00004", "M00006", "M00007", "M00008", "M00033", "M00165", "M00166", "M

for i in 141 97 83dokraken2 --db /mnt/database/kraken/minidb/minikraken2_v1_8GB --report $i.RNA --use-mpa-style --threads 32 --paired /data/72sample/sub72/RNA/$i.1.fq /data/72sample/sub72/RNA/$i.2.fq > $i.RNA.sam && rm -f $i.RNA.samdone#DN.

library(data.table)library(dplyr)#DNAtpm计算SMP<-c(123,98,126,4,128,32,134,8,130,29,131,42,119,19,139,24,125,37,144,14,117,5,142,13,127,22,129,48,138,47,140,20,132,18,149,73,120,105,148,44,122,30,124,26,143,34,133,12,145,21,152,10,118,102,147,80,121,1,

上传需要匹配的两个表（一个分组信息文件，一个丰度数据文件）到查询中，上传方式可选择来自表格/区域（打开的excel文件中）或者是其他格式文件丰度表一维化以后长度超过了104万行，所以无法加载到工作表，不过没关系，我们不需要加载到工作表。现在选中任意一个表，右键选择合并两个表按列匹配，选中需要匹配的列。我们保留 表1中的所有行，将分组文件中的所有行在合并后的数据表中，匹配进来的会显示table，其实就是好多列，我们可以筛选这些信息筛选后的样子接下来将tax这...

mkdir /mnt/mzy/dairycow/72samples/mag/geneprofilecd /mnt/mzy/dairycow/72samples/mag/geneprofilefor j in 123 98 126 4 128 32 134 8 130 29 131 42 119 19 139 24 125 37 144 14 117 5 142 13 127 22 129 48 138 47 140 20 132 18 149 73 120 105 148 44 122 30 124 2

cast用来替代透视表简直完美。我们有一个33列的数据表，数据保存在Dmean和Rmean中> colnames(tmp)[1] "ORF" "Dmean" "Rmean"[4] "seed_eggNOG_ortholog" "seed_ortholog_evalue" "seed_ortholog_score"[7] "best_tax_level" "Preferred_name" ...

预测完ORF序列、去冗余并建立丰度表后，我们得到了预测基因的非冗余序列(核酸+蛋白)，接下来要利用eggNOGmapper注释结果，按照国际惯例，我们利用蛋白序列注释。首先下载eggNOGmappergit clone https://github.com/jhcepas/eggnog-mapper.git在所在目录里就下好了这个软件，不需要安装，都是脚本接下来，把python修...

https://ftp.ncbi.nlm.nih.gov/genomes/TOOLS/ORFfinder/linux-i64/ORFfinder -in /mnt/mzy/dairycow/24samples/mag/genset/unique.fa -out unique.faa

setwd("/mnt/mzy/dairycow/24samples/kraken")DNAsample<-c("127","134","133","143","140","122","125","117","149","132","130","142","145","152","118","147","121","151","135","136","150","146","141","137")system("awk -F '\t' '{print $1}' *DNA|sort|uniq &gt

file=c("salmonRNA.csv","salmonDNA.csv")for (j in file){ c<-read.csv(j,row.names=1,stringsAsFactors=FALSE) vegan::vegdist(t(c),method="bray") %>% ape::pcoa()->pcoa tmp<-if (is.null( pcoa$values$Rel_corr_eig)) pcoa$values$Relative_eig...

library(picante) alpha <- function(x, tree = NULL, base = exp(1)) { est <- estimateR(x) Richness <- est[1, ] Chao1 <- est[2, ] ACE <- est[4, ] Shannon <- diversity(x, index = 'shannon', base = base) Simpson <- diversity(...

直接放代码R代码gc()library('magrittr')setwd("~/Documents/48sample/mag/")#合成丰度文件data.table::fread("DNA.geneabundance.txt(1)", sep="\t", header=T, stringsAsFactors=F) %>% data.frame()->profile...

从NCBI下载牛基因组，下载后gunzip解压wget ftp://ftp.ncbi.nlm.nih.gov/genomes/all/GCF/002/263/795/GCF_002263795.1_ARS-UCD1.2/GCF_002263795.1_ARS-UCD1.2_genomic.fna.gz安装bowtie2sudo apt-get install bowtie2构建...

这个软件给出的结果很日鬼，数据相当杂乱。首先这个数据里直接看不出每个级别下未注释的序列数，其次，细菌、古菌、真核生物和病毒的分类级别不一样。我们先把数据整齐划一了，首先用excel打开文件，把tax列的"; "替换成“;”，然后把tax列按照“;”分列。在真菌的分类级别中，这软件把真菌划成了域，那真菌这里就有2个域“真核生物域”和“真菌域”，我们把真菌域划到真菌界吧。在域这一列把d__替换为k__...

下载软件（其实就是一堆脚本）git clone https://github.com/jhcepas/eggnog-mapper.git下载数据库alias python=/usr/bin/python2.7python download_eggnog_data.py 拆分蛋白文件xx.faaawk '!/^>/ { printf "%s", $0; n = "\...

原理：我们要看下最常用的BH法的论文做m次无效假设作物的数量那么，被错误地拒绝了的无效假设的比例Q=V/(V+S)=V/R所谓的FDR值就是Q的期望值，E（Q）=E（V/R）如果无效假设是正确的（s=0且v=r），FDR值就和FWER（familywise error rate）一样，假设v=0(结合s=0,就是说假设结果一次错误都没有出),Q就为0；如果v>0(出...

1准备细菌相对丰度文件2读入excel文件,以属水平数据为例library(readxl)bac.g <- read_excel(file.choose(),sheet = 1)3选择数据子集bac.g.b <- subset(bac.g,bac.g$b=="1")fix(bac.g.b) #设定goat为字符型变量bac.g.b<-as.data....