http://sequenceconversion.bugaco.com/converter/biology/sequences/fasta_to_nexus.php
|
||||||
|
In statistics, data binning is a way to categorize a number of continuous values into a smaller number of buckets (bins). Each bucket defines an numerical interval. For example, if there is a variable about house-based education levels which are measured by continuous values ranged between 0 and 19, data binning will place each value […] Histograms and Density Plots Histograms You can create histograms with the function hist(x) where x is a numeric vector of values to be plotted. The option freq=FALSE plots probability densities instead of frequencies. The option breaks= controls the number of bins. # Simple Histogram hist(mtcars$mpg) click to view # Colored Histogram with Different Number […] 文章：Accurate binning of metagenomic contigs via automated clustering sequences using information of genomic signatures and marker genes 2016 （https://www.ncbi.nlm.nih.gov/pubmed/27067514） 文章：MetaCRAM: an integrated pipeline for metagenomic taxonomy identification and compression 2016 （http://www.ncbi.nlm.nih.gov/pubmed/26895947） 文章：Evaluating the Quantitative Capabilities of Metagenomic Analysis Software 2016 （http://www.ncbi.nlm.nih.gov/pubmed/26831696） 文章：MaxBin 2.0: an automated binning algorithm to recover genomes from multiple metagenomic datasets 2016 […] ARGs_OAP_v2.0（步骤1）：https://github.com/biofuture/Ublastx_stageone ARGs-OAP在线分析网站（步骤2）： http://smile.hku.hk/SARGs 无处不在的抗性基因 图片.png 环境中抗生素抗性基因（ARGs）的来源： 随机突变或表达潜在抗性基因等方式使细菌体内基因组上存在的抗性基因原型、准抗性基因或潜在抗性基因被表达出来，从而使细菌获得的抗生素抗性。 抗生素在人和动物肠道内诱导产生耐药菌，这些编码ARGs的耐药菌经由粪便排出并进入环境中，是环境中ARGs的重要来源。 抗性基因的水平转移是抗性基因在环境中传播的的主要机制，通过将包含抗性基因的质粒、转座子、整合子作为载体，通过细菌之间细胞与细胞的接触，将抗性基因从载体细胞转移到受体细胞。 如何检测环境中抗生素抗性基因（ARGs）： PCR技术—定性。 qPCR技术—定量。 宏基因组测序：以环境样品中的整个微生物群体基因组为研究对象，检测环境样本微生物中的物种组成、丰度，基因预测、基因丰度，利用数据库进行注释，得到样本中ARGs的种类和丰度与样本的相关性。 ARDB数据库：主要包含细菌病原菌的多种抗性基因数据，不能为环境样本宏基因组数据提供详细的ARG概况（即对每个检测到的ARG提供type/subtype的ARG分类信息和丰度信息）。 CARD数据库：以Antibiotic Resistance Ontology（ARO）为分类单位的形式所构建，ARO用于关联抗生素模块及其目标、抗性机制、基因变异等信息。 ResFinder：需要较长的查询reads。对于在ResFinder中被检测为ARG的序列，其必须至少覆盖数据库中匹配ARG长度的五分之二，具有不小于50％的相似性。 ARGO：侧重于万古霉素和β-内酰胺抗性基因。 ARG-ANNOT：设计用于检测细菌基因组中的ARG而不是环境样品。 构建ARG综合数据库SARG v1.0 整合CARD和ARDB数据库 CARD数据库2,513条序列； ARDB数据库7,828条序列； 去除586条共享序列； SARG包含4246条ARGs参考序列。 去除非ARG序列 去除冗余序列（完整蛋白质序列具有100％同一性） 去除与SNP相关的ARG序列 去除描述为“假定蛋白质”或“未命名蛋白质”的序列 构建结构化ARG数据库SARG 构建ARG综合数据库SARG v2.0 图片.png 使用SARG v1.0作为从NCBI-NR获取潜在ARG序列的种子。 NCBI-NR序列BLASTP比对SARG v1.0数据库（e-value:1e-7, identity: 90％、80％、70％）； levels: Accurate, Moderate and Loose 。 基于序列相似度或关键字匹配将ARG序列分配给不同的Subtype。 合并时，删除有多个分类结果的序列，只保留具有匹配分类（type和subtype）的序列。 Number of ARGs reference genes […]
1199 git clone https://github.com/GPZ-Bioinfo/tmap.git 1200 cd tmap 1201 ll 1202 python setup.py install 1203 ll 1204 cd ../ 1205 rm -rf tmap 1206 deactivate 1207 rmvirtualenv tmap_ENV 1208 mkvirtualenv -p /usr/bin/python3.4m tmap_ENV pip3 install pypiwin32 conda install scipy sudo pip3 install matplotlib
import sklearn import plotly.plotly as py import plotly.graph_objs as go import matplotlib.pyplot as plt import numpy as np from sklearn.cluster import DBSCAN from sklearn import metrics from sklearn.datasets.samples_generator import make_blobs from sklearn.preprocessing import StandardScaler ################################### # Load libraries from sklearn import datasets from sklearn.preprocessing import StandardScaler from sklearn.cluster import DBSCAN from sklearn.preprocessing import MinMaxScaler ################################### […] Workspace loaded from ~/.RData] > setwd(“/home/shenzy/work/beast/51samples”) > library(seqinr) > data=read.fasta(“51strain_core_gene_alignment.aln”) > library(ape) Attaching package: ‘ape’ The following objects are masked from ‘package:seqinr’: as.alignment, consensus > write.nexus.data(data,file=”51strain_core_gene_alignment.aln.nexus”, format=”DNA”) > […] axes : matplotlib/pylab axes If a valid matplotlib.axes.Axes instance, the phylogram is plotted in that Axes. By default (None), a new figure is created. This means that you can load your own axes with your size of choice. For example import matplotlib import matplotlib.pyplot as plt from Bio import Phylo from cStringIO import StringIO def […] 熟悉我们生信技能树团队的应该都知道大名鼎鼎的y叔啦，作为我们论坛的荣誉顾问，y叔一直勤勤恳恳的指出我们的错误，特意在此谢谢y叔！并奉上y叔的ChIP-seq数据分析大礼包，已经征得y叔同意啦！ 关注Y叔微信公众账号biobabble CS0: ChIPseq从入门到放弃 接下来要出一个ChIPseq系列，讲一讲ChIPseq和我的ChIPseeker包，从入门到放弃是我自己的个人写照。我做ChIPseq总共也就3个月的时间，做的事情并不多，在一知半解的情况下写下了ChIPseeker包。 正如我在《话题投票》里说的，我当时被要求做ChIPseq分析是为他人做嫁衣，而且是完全白干那种，但做为学生，白干也得干。 当时一开始使用ChIPpeakAnno做注释，但用UCSC genome browser检验结果的时候，发现对不上。在对ChIPpeakAnno包不满意的情况下，开始着手写ChIPseeker，其实在使用ChIPpeakAnno的时候，我就有写代码对结果做一些可视化，所以未有ChIPseeker先有ChIPseeker的部分可视化功能。当时写了篇博客文说ChIPpeakAnno的问题，一个月后就在Bioconductor上发表了ChIPseeker，这包完全是我半夜在宿舍里写出来的。 当时还在生物系，被我炒掉的前老板每天要求必须起码在实验室待够12小时，我每天都待到10点半左右才回宿舍，日常在实验室里啥都干不了，白天各种瞎折腾，晚上还要陪他聊天，但说来说去，每天几乎都差不多，无非是他很牛逼，我们这帮人读他phd实在太幸运，日复一日传销式洗脑。而我因为结婚了，家又离得近，周末回家，白天经常多一段单独对我的洗脑，做为一个PhD学生，在发表文章之前是不能够有周末的。每天10半从实验室里出来，回到宿舍11点，跟老婆打电话再洗澡，12点。然后从12点开始写代码到2点睡觉，才有了这个包。 虽然是一知半解的时候开发的，但还是受到大家的欢迎，半年前Matt邀请我去人大做报告时，也专门提到了ChIPseeker。 也有美国的助理教授，跟我要paper，说是上课的时候，要给学生读的，这广告效果我给满分。 文章发表了一年，已经被33篇文章引用，其中不乏有影响因子比较高的杂志： 下面是其中一些引用文章的图： 虽然ChIPseeker是我写给自己做ChIPseq注释的，但Ming Tang (https://github.com/crazyhottommy/ChIP-seq-analysis）用它去做DNA breakdown注释，当然像lincRNA注释也是有人做并且完全是支持的。有一些我以前从没在文档里提到的东西，也应该会在这个系列里写出来。 这个系列基本上是围绕着ChIPseeker的功能而来，名副其实从入门到放弃，因为我自己也是入了门然后放弃，如果想看从入门到精通的，这显然不适合你。 然而今天只是个剧透，敬请期待。 CS1: ChIPseq简介 ChIP是指染色质免疫沉淀，它通特异结合抗体将DNA结合蛋白免疫沉淀，可以用于捕获蛋白质（如转录因子，组蛋白修饰）的DNA靶点。这技术存在非常久了，在二代测序之前，结合microarray，它的名字叫ChIP-on-chip，二代测序出来之后，显而易见的，免疫沉淀拉下来的DNA拿去NGS测序，这必然是下一代的ChIP技术，优点也是显而易见的，不再需要设计探针（往往存在着一定的偏向性）。所以NGS出来以后，不差钱的牛逼实验室显然占据上风，谁先做出来，谁就定义了新技术。这是有钱人的竞赛，没钱的只能等着技术烂大街的时候跟风做。 这是显而易见的下一代技术，外加技术上完全是可行的，所以这是一场单纯的时间竞赛，于是几乎同时出来CNS文章，基本上谁也不比谁差地同时扔出来。 Johnson DS, Mortazavi A et al. (2007) Genome-wide mapping of in vivo protein–DNA interactions. Science 316: 1497–1502 Robertson G et al.(2007) Genome-wide profiles of […] |
|
||||
|
Copyright © 2025 小生这厢有礼了(BioFaceBook Personal Blog) - All Rights Reserved Powered by WordPress & Atahualpa |
||||||
Recent Comments