周一北京大学哲学系公众号直播了迈克尔·桑德尔教授关于基因工程伦理的讲座内容，让大家有幸在线上“近距离”听到了一场桑德尔教授的讲座。

BBmap是生物信息学领域中一个强大的序列比对工具，尤其在处理DNA和RNA序列数据方面表现出色。BBmap是一个功能强大、灵活且高效的序列比对工具，特别适合处理大规模的DNA和RNA序列数据。随着生物信息学领域的不断发展，BBmap和其他相关工具，如bbduk、bbsplit等，将继续在基因组学研究中发挥重要作用。📚 我承诺，将持续为您带来深度与广度兼具的生物信息学内容，让我们一起在知识的海洋中遨游，发现更多未知的奇迹。

准备你的数据时，请确保输入文件是FASTQ格式，无论是单端还是双端测序数据，并明确文件的存储路径。脚本在修复损坏的FASTQ数据方面具有明显优势，本教程总结了其使用方法，并鼓励读者尝试使用BBmap来修复自己的FASTQ数据。同时，也可以讨论其他修复FASTQ文件的工具，并比较它们的优缺点。📚 我承诺，将持续为您带来深度与广度兼具的生物信息学内容，让我们一起在知识的海洋中遨游，发现更多未知的奇迹。

Nanopolish是一个用于Oxford Nanopore测序数据信号级分析的软件包，它不仅可以提高初步组装的基因组共识序列质量，而且能够检测碱基修饰，如m6A。通过上述大纲，我们希望帮助初学者以及有经验的研究人员更好地理解和应用Nanopolish工具，以促进其在基因组学和相关领域的研究。📚 我承诺，将持续为您带来深度与广度兼具的生物信息学内容，让我们一起在知识的海洋中遨游，发现更多未知的奇迹。在基因组学研究中，应用Nanopolish提升共识序列质量的案例不断涌现，展示其在实际研究中的巨大潜力。

今天协助销售处理客户一个质控分析问题，感觉很多人都会遇到，在这里记录一下。

文章目录摘要问题汇总(one of the commands exited with non-zero exit code; note that snakemake uses bash strict mode!)NameError: The name 'XXX' is unknown in this context. Please make sure that you defined that variable. Also note that braces not used for variable acc

文章目录摘要解决方法结果展示总结摘要2个月前做miRNA项目的时候就遇到了这个问题，解决方法看这里：2021.04.13丨sRNAnalyzer报错fastx_collapser: Invalid input: This looks like a multi-line FASTA file解决办法。最近又接到一个专门分析piRNA的项目，感觉之前的解决方法过于粗暴，会损失大量的序列，导致得到的piRNA太少。深入研究了一下sRNAnalyzer的源代码，终于让我找到了突破点。按照之前的方法，2个G的

摘要 刚开始接触项目的时候一直用公司搭建好的流程分析项目，慢慢学习后，发现有些地方的注释除了靠参考基因组相关的注释文档，还需要对应物种。在R中绘制KEGG.GO enrich富集图就需要根据物种来读取相应注释包，这里记录一份常用物种及对应注释包表，方便以后使用。注释表packages organism org.Ag.eg.db Anopheles org.At.tair.db Arabidopsis org.Bt.eg.db Bovine org.C..

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言 一、pandas是什 二、使用步骤 1.引入库 2.读入数据 总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是测示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任..

摘要 在公司已经待了几个月，项目也有条不紊地推进。RNA-seq流程是早就搭建好了的，奈何拿到的测序样品数据名称和后缀经常会有一些变化，比如R1.fq.gz, R1_001.fq.gz, R1_001.fastq.gz等等。导致每次都要到流程里面改一下后缀。为了尽早实现标准化，周末闲来无事，把这个统一命名的问题解决了一下 环境配置 python：3.8.5 使用代码#encoding=utf-8import ospath = "./"filelist = os.listdir...

摘要 在使用sRNAnalyzer分析miRNA时，会调用到Cutadapt进行去接口。该过程的结果也将通过报告被记录下来。然而，报告作为单个样品的结果统计，没有对所有样品进行汇总，不方便客户统计查看。因此，我写了一个简单的统计脚本，用于抓取Cutadapt结果报告里的基本信息。 需要获取的基本信息 材料与方法 python版本：Python 3.8.5 使用代码 import reimport osnewfile_name = 'Cutadapt_stat.tx

摘要 接到一个常规细菌的组装注释项目，不过客户提出想要获取关于组装结果与病毒之间的联系/按之前的操作，dfast没有病毒相关的数据库，无法满足客户需求。一番查阅，发现大家用这个VFDB数据库进行常规的病毒注释，下面将介绍一下使用该数据库进行注释的过程。由于比对工具diamond之前没有介绍过，此次也将一并介绍。 介绍 DIAMOND简介 DIAMOND是用于蛋白质和翻译DNA的搜索序列比对工具，旨在用于大序列数据的高性能分析。 主要功能包括： BLAST以100x-10,000x的速

春节过后积压了很多项目，疯狂做项目导致将近半个月没有写博客，这周终于有空进行一些梳理。本次介绍的工具是CNVnator，这个工具是由于Integration Site Analysis项目需要找到插入位点，领导推荐了几个工具，其中就包含CNVnator。 下载安装 预装依赖包： ROOT、samtools、hstlib Anacongda/miniconda安装： conda install cnvnator 最方便快捷，如果连接超时，建议单独创建一个环境用于安装cnvnator

在使用R语言在使用R进行数据处理时，我们经常可能会需要对每一行的首行（可能是姓名，geneID等）进行比对。在比对过程中有时会遇到一个小问题，就是明明处理前和处理后的geneID没有变化，但是生成的文件中，列名和行名都打上了双引号，导致比对出现问题，这是为什么？ 这里就要提到在R中write.table()的默认参数了。我们来举个例子 这是R已经读取的基因表达水平的表格文件，这里geneID还没有双引号的，最左边是R提供的排序列，之后通过row.names取消掉 接下来我们使用writ

sRNAnalyzer是分析smallRNA的一个流程工具，它集合了cutadapt、bowtie、fastx_toolkit三个工具，并根据用户的需要提供了参考基因组和对应config。 对三个软件安装好之后，试运行工具，样品去接头工作结束后会发生报错，报错内容如下： 似乎是缺失了.fa文件导致后续分析无法进行，即使这样，在路径下仍然会生成两个Report文件，其中一份是cutadapt的结果文件，另一个（XX_Cutadapt_Prinseq. report）文件中会有另一个报错 Can'

各位小伙伴在对测序样品进行质控的时候，首选基本上都是fastQC，他能能够生成许多图片直观地展示质控结果。 然而，当我们有多个样品，希望对其结果以表格形式进行展示的时候，fastQC能提供的信息就比较少了，比如GC含量精确到小数点，或者Q30等等 fastQC能统计到的基本信息 我们希望得到的统计结果 那么如何能够批量统计到更详细的质控信息呢？fastp工具和这篇文章脚本的必要性就产生了，它可以统计测序数据较多的信息并以.json形式进行展示。 我们用Editplus打开f

这一步是在进行最后的数据汇总工作中用到的，将基因的count与FPKM值和基因注释的结果组合在一起，得到一个完整的数据。方便客户进行后续研究。算法与之前那篇基因ID匹配注释文本一文相似，用了两个for循环嵌套进行比对，O=n²，在此也希望能够抛砖引玉，得到大神指点。输入文件：anno.DEG.txtall.anno.xls #这里用的Editplus打开本来之前我对all.anno.xls的geneID已经处理过了，但是正好遇到ftp出问题，无法下载最新文件，就将就前两天的结果进行处

背景：最近有个项目，客户让比对到人的参考基因组，比对率却只有70%左右.为了搞清楚测序数据有没有被污染，我们需要随机读取一些reads，放到nt数据库去比对。之前都是一条一条提交，这种批量提取和提交都会遇到一些问题，因此，写这篇文章进行一个统计。 比对流程：随机提取序列→fastq转换fasta→提交序列→统计结果 step.1 随机提取序列 使用工具：seqtk 安装方式：conda install seqtk 使用代码： seqtk sample -s 100 Carisma_contro

一个月前接到一个项目，说是做关于CRISPR的编辑效率个性化分析。本来这个分析以前是没有做过的，不过客户发了参考文献。里面流程和命令行都非常清楚，再加上读研期间CRISPR的项目“中道崩殂”，让我对CRiSPR的技术有些执念，便下决心接下来试试。 整个测序分析使用的工具就是CRISPResso，，下面介绍最快捷的安装方式。 首先，CRISPResso只支持python2.X，不支持3.X你需要下载Anaconda或者miniconda，以Miniconda为例： 安装环境： Linux 64-bi

一. 简介Cufflinks下主要包含cufflinks,cuffmerge,cuffcompare和cuffdiff等几支主要的程序。主要用于基因表达量的计算和差异表达基因的寻找。Cufflinks程序主要根据Tophat的比对结果，依托或不依托于参考基因组的GTF注释文件，计算出(各个gene的)isoform的FPKM值，并给出trascripts.gtf注释结果(组装出转录组)。注意：1. fragment的长度的估测，若为pair-end测序，则cufflinks自己会有一套算法，

今天照常进行比对工作，涉及到某一个样品需要比对，于是将.sh文件里的脚本直接复制粘贴出来，去掉了循环开始跑，结果是没问题的，但是在下一步使用samtools进行转换的时候发生了报错 parse error at line 1 truncated file. 网上查了一下，发现是bwa可能存在安装问题，不能使用nohup进行运行。参考链接：sam转bam文件报错 - 简书 (jianshu.com) 取消nohup之后，正常运行...

平时做一些项目，在样品不多的情况下，使用fastqc，可以对每个样品单独生成质控报告。然而，当遇到群体遗传相关的项目、样本数量比较多的时候，则需要统计所有样品生成汇总表，方便观察各样品质控结果。因此我们选择使用Multiqc来对结果进行汇总。 使用软件：Multiqc 安装说明： 官方下载：Release MultiQC Version 1.9 · ewels/MultiQC · GitHub code： gunzip MultiQC-1.9.tar.gz tar -vzf Multi

产品介绍 BSA产品介绍 1.1研究目的 基因定位 1.2基本概念 Bulked Segregant Analysis，分离群体分组分析法 定义： 在性状分离的遗传群体中 ，选择表型极端差异个体将其DNA等量混合，分别构建DNA混池，与性状 相关SNP的等位位点频率在混池间表现出显著差异， 而非相关SNP的等位位点频率无明显差异，从而可以 通过比较混池间SNP得到候选区间。 原理：等位基因频率差异 1.3技术流程 选择合适亲本构建

2.7 基因组浏览器 三个主流基因组浏览器：Ensemble、UCSC和NCBI 基因组组装 定义： 所获得的一个物种DNA序列按照染色体的形式进行的一种组装。 内容： 对基因组的注释，如起止位点、外显子、DNA重复元件或其他基因组特征。 基因组参照联盟（GRC） 维护人类、小鼠和斑马鱼的参考基因组。 对基因组组装需要明确几点： 每个染色体的起止位置是什么 基因组序列中包括多少gap区域，能否被弥补？ 基因组上的结构变异位点如何

2.4 用于标记和鉴别序列的索引编号 DNA和蛋白质序列记录的重要特征是他们都被打上了索引编号作为标签。索引编号由一段4~12个数字和/或字母组成的编号，每个索引编号与一个分子序列记录相对于。 一个分子对应多个索引编号，这些索引编号可以代表全长/片段，代表核酸/蛋白质，需要尽快熟悉。 参考序列（RefSeq）项目 目的：为每一个基因的正常转录本和正常蛋白质产物提供最有代表性的序列。 对于一个给定的基因或基因产物，只会有一个RefSeq条目；如果基因有可变剪切或是在不同的基因座上，则会有几个Re

学习目标 定义生物信息学 解释生物信息学的范畴 解释为何球蛋白可以作为一个有用的例子阐释这一学科 描述何为基于网页和基于命令行的生物信息学手段 生物信息学定义 作者定义：使用计算机数据库和计算机算法来分析蛋白质、基因和组成生物体的所有DNA的完整集合（基因组）的学科。 美国国立卫生研究院（NIH）定义：研究、开发或应用计算工具和方法来拓宽对生物、医学、行为学或健康数据的使用，包括用于获取、储存、组织、分析和可视化这些数据的计算工具和方法 美国国家人类基因组研究所（NHGRI）定义：生物信

通过gatk获得vcf文件后，对SNP位点进行分析前，需要通过plink将vcf文件转换成ped/map，以及bed文件，方便后期进行分析 使用Plink对vcf文件进行转换 运行代码 plink --file GT1 --make-bed --out GT1_test --noweb 报错 图示 我测试的数据是虹鳟鱼，染色体有29对，plink默认是人类染色体（23对） 第一次尝试解决 搜索发现，plink有个--allow-extra-

最近做RNA-seq项目的时候准备用R的boxplot()工具画一个各个样品的箱线统计图。 然而，在运行脚本后报错 Error in `[.data.frame`(fpkm, , c("MB7409-A", "MB7409-B", "MB7409-C", :undefined columns selectedCalls: [ -> [.data.frameExecution halted 抓取数据列的命令哪里错了呢？ 打开输入的数据框和脚本做对比 数据是.

Sequel II 平台介绍 零模波导孔(ZMW)：是Sequel II平台的最小测序单元，每个SMRT cell包含800万个零模波导孔。测序时，落入孔中的序列会被反复读取，每读取1次得到1条subread，即一个ZMW中的所有subreads来源于同一条转录本 subread(子序列): 是ploymerase read去掉接头（adapter）后的序列。每个ploymerase read可以分割成一个或多个子序列(subread)，图中共有3条subreads，其中full passes的subr

昨天晚上参加了贝纳基因的线上产品介绍会，主要介绍了Nanopore和公司两大特色产品，DirectRNA和isoform-全长cDNA，主讲人讲得比较快，PPT也不能拷贝，因此只能粗略搭了个框架，要想看更详细的Nanopore与PB的差异，可以看PB&ONT比较概览。 Nanopore测序介绍 发展历程 4个产品 MinION GridION PromethION 技术原理 DNA通过纳米孔形成电信号，五个碱基为一组信号，通过电流变化，对波形图进行校正，对已知序列进行

补充一下目前两个主流的三代测序产品PB和ONT PB&ONT比较概览 ONT 生产国：英国 设备种类：MinION GridION X5 PromethION-β PromethION-24 PromethION-48 便携、实时； 户内、户外 使用酶：解旋酶/马达蛋白 孔：纳米孔蛋白（Nanopore） 膜：多聚合物膜 外力：ATP-马达蛋白-纳米孔-ds DNA 信号：电信号-fast5 分析：fastQ PB 生产国：美国 设备种类：RSI.

变异检测的原理&技术要点 定义：变异检测是指 通过测序 技术对某一物种个体或群体的基因组进行测序及差异分析，获得单核苷酸多态性SNP ）、插入缺失 InDel ）、结构变异（ SV ）、拷贝数变异CNV ）等大量的遗传变异信息用于开发分子标记建立遗传多态性数据库，为后续揭示进化关系、挖掘功能基因等奠定数据基础。 按照片段大小分类： 单碱基：SNP SNP （单核苷酸多态性）主要是指在基因组水平上由单个核苷酸的变异所引起的 DNA 序列多态性，包括单个碱基的转换、颠换等。利用 GATK软

3R Visualizationlibrary(readr) d.cancer <- read_csv("cancer.csv", col_types = cols(type = col_character()), locale = locale(encoding = "GB18030")) head(d.cancer,10)## # A tibble: 10 x 6## id age sex type v0 v1## <dbl&g.

基本概念： 第三代基因测序技术又被为“Single Molecule Real Time (SMRT™) DNA Sequencing”（单分子实时DNA测序技术），该方法基于纳米孔的单分子读取技术，不需要扩增即可快速读取序列。目前，Pacific Biosciences公司已经成功推出了商业化的第三代测序仪PacBio RS平台和PacBio Sequel平台 SMRT测序原理 步骤1：将磷酸化核苷酸引入零模波导孔（ZMW） 步骤2：核苷酸在检测体积中保持数十毫秒，当被光激发时发出荧光。 捕获

本次课程内容为欧易生物线上公开课内容，现讲主讲内容笔记进行一个梳理总结细菌全基因组简介 1.1细菌与科学研究 研究对象：病原菌、环境细菌、工业菌 研究方向： 细菌全基因组研究 定义：对细菌所有基因进行核苷酸测序，了解个体的基因结构基础，研究单个基因或多个基因的作用、功能以及他们间的相互作用 研究内容和相应分析： 结构基因组学 ：基因组序列的测定 功能基因组学：基因组的注释 比较基因组学：基因组功能研究 1.2细

微生物多样性测序原理及案例解析 研究对象 人类：口腔、皮肤、粪便、肠道... 动物：瘤胃、肠道… 植物：菌根、内生菌... 历代测序原理 一代测序 双脱氧链终止法 正常的DNA碱基是四种脱氧核糖核苷酸（dNTP），如果将这个碱基稍加改造，将一个-OH的氧去除，变成-CH2，就变成了一个双脱氧的核糖核苷酸（ddNTP）。在DNA合成的过程中加上这个ddNTP，由于ddNTP无法和下一个碱基链接，DNA链将无法继续延伸。 缺点：成本高、通量低

自然群体研究方法概览 研究材料、方法、方向 关系图 方法概览 遗传进化 进化\驯化历史 分化时间 地理起源 GWAS 基因定位 遗传进化分析 定义 通过系统发育分析揭示物种或种群间 的进化关系和发展历史。 研究目的 亲缘关系 动态分析（地理、分化、进化、历史） 表型性状 1.材料选择 选材来源 ①不同进化阶段：祖先种→野生种→驯化种→改良种 ②不同生境：不

2.1变量和常量 变量：用来保存输入或计算的值的东西 2.2R语言的变量命名 只有字母（区分大小写），数字，下划线，英文点号可以出现 数字和下划线不能开头 英文点号后面不能直接接数字 2.3数据类型 2.3.1数值 numeric 2.3.2字符 character 2.3.3逻辑 logical 只有两个值TRUE和FALSE，缺失时为NA 逻辑运算符:< <= == != > >= %in% x %in% y 把y当做...

基础篇 Linux优势 系统更加稳定，处理数据更方便 大多数服务器以Linux为内核 常用路径命令 pwd 查找当前路径 ls 查找当前路径下的文件 ls dirname 查看某指定文件夹下的文件 ls -l 查看文件/文件夹的具体信息 cd dirname 切换到某指定文件夹下 cd .. 返回上一级目录 cd ~ 返回登陆节点 echo 打印字符串到终端 文件及文件夹 touch file 创建空文件 cat fil

遗传图谱简介 遗传学三大定律 1、分离定律（1对染色体上1对基因或者标记） 控制同一性状的遗传因子成对存在，不相融合；在减数分裂形成配子时，成对的遗传因子发生分离， 分离后的遗传因子分别进入不同的配子中，随配子遗传给后代的现象。 2、自由组合定律（2对染色体上2对基因） 子一代产生配子时，在等位基因分离的同时，非同源染 色体上的2个或者多个基因表现为自由组合。 其实质是针对2对染色体上基因，一对染色体上的等位基 因与另一对染色体上的等位基因的分离或组合是彼此间 互不干扰的，各自独立