生信学习-Biostar课程5、6编写Linux脚本，熟悉序列下载和检查操作

生信学习记录

1.用自己的gtf文件构建txdb数据结构，用于下游分析(The TxDb class is a container for storing transcript annotations) library(GenomicFeatures) #gtf、gff to txdb makeTxDbFromGFF() #other way makeTxDbFromGRanges makeT...

7月28日更新 ：原链接失效了，已经更新。上次回答的时候基因课的视频教程还是个人兴趣，业余时间录的，免费放到网上。今年辞职全职做这个事情了，所以收费。只有收费才能保证内容精良和持续输出。每门课程也只有几十块钱。收费的另一个原因是，很多同学没有 Linux 服务器，没法练习，我们为大家购买了云服务器供练习。————————————————————————————1. 基础语言1.1 Linux操作系...

Linux常用脚本

稀疏偏最小二乘法简介最小二乘法，又称最小平方法，是一种数学优化建模方法。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便的求得未知的数据，并使得求得的数据与实际数据之间误差的平方和为最小。偏最小二乘（PLS）最大化潜在变量之间的协方差，而不是相关性，它能够同时对多个响应变量进行建模，并处理嘈杂的相关变量，但在对高维数据进行操作时，其可解释性受到影响。sPLS(稀疏偏最小二乘法...

理解ChIP-Seq 到了目前这个水平，我学习新的高通量数据分析流程时已经不再考虑代码应该如何写的问题了。我更多要去考虑一个技术的目的和意义。 转录组主要研究的问题是基因在不同情况下的差异表达以及RNA结构变化等，而表观组研究的问题是在基因序列不变的情况下，基因的表达、调控和性状发生了可遗传变化的分子机制。也...

R包export可以轻松的将R绘制的图和统计表输出到 Microsoft Office (Word、PowerPoint和Excel)、HTML和Latex中，其质量可以直接用于发表。你和PPT高手之间，就只差一个iSlideExcel改变了你的基因名，30% 相关Nature文章受影响，NCBI也受波及特点可以用命令将交互式R图或ggplot2、Lattice或base R图保存到Mi...

第四次考核 Jimmy 学徒考核 Linux安装软件 rnaseq上游分析_YoungLeelight的博客-CSDN博客 01-rna-seq从头开始 卖萌哥 Linux生信技能树Linux安装软件 Linux实战RNASEQ上游_YoungLeelight的博客-CSDN博客 下载公共测序数据的另一种姿势（kingfisher） - 简书 生物信息常见文件的格式以及查看方式 sra fastq.gz sam/bam 比对 定量 高速快速下载基因组ref文件查看文件下载是否完整md5值 md5sum检查

离开了，不为了什么，开始新的旅程吧！这一年多的小知识还是很多的，零零散散的一堆，能总结多少是多少吧。   R：       heatmap：heatmap.2(mat0, Colv =F, Rowv =F, col=greenred(512), revC=FALSE, scale="none", key=TRUE, symkey=TRUE, trace="none", density.inf

Python开发的方向太多了，有机器学习，数据挖掘，网络开发，爬虫等等。其实在生信领域，Python还显现不出绝对的优势，生信的大部分软件流程都是用shell或Perl写的，而且已经足够好用了。我选Python是因为我想顺便学点数据挖掘和机器学习的东西，而且Python这些年越来越火，发展势头远超其他脚本语言，所以学它肯定是没错的。一、入门标准入门比较难定义，什么程度才算入门呢？1. 掌握基本的语...

0525 Cloudy 说到编程语言，其实大致可以分成两种，一种是计算机编译器语言，比方说C,C++,优点在于基于计算机硬件特点编写，可以使代码有效高速的运行，特别适合大规模复杂的计算。日常用到的程序有很多，比方说其中之一就是大名鼎鼎的BLAST。还有一种是脚本语言，小到中等规模的计算和数据操作时会经常用到，这个时候用C可以说是用牛刀杀鸡。用编译器语言编写的工具绝大多数情况下除了需要参数设置以外都可以直接使用。比起编译器语言，生信分析中给我们带来阻碍更多的是脚本语言。 当然也不是说每一个编程语言都需要用的风

以关键字“Lysin”为例，https://www.ncbi.nlm.nih.gov/protein/?term=lysin，我们打开网址发现关于Lysin的蛋白质序列一共有13708页，每页有20条蛋白信息，通过点击FASTA，我们找到了对应蛋白的氨基酸序列，通过尝试不同序列的FASTA，我们发现其url的后缀为其蛋白的Accession号，因此我们只要得到蛋白的Accession号，我们就可以通过网址链接获取蛋白质的氨基酸序列，第一页20条蛋白的Accession号我们可以通过网址链接加...

题目目录准备练习文件1. 统计共多少条reads(pair-end reads这里算一条)参与了比对参考基因组2. 统计共有多少种比对的类型(即第二列数值有多少种)及其分布。3. 筛选出比对失败的reads，看看序列特征。4. 比对失败的reads区分成单端失败和双端失败情况，并且拿到序列ID5. 筛选出比对质量值大于30的情况（看第5列）6. 筛选出比对成功，但是并不是完全匹配的序列（看第6列）7. 筛选出inset size长度大于1250bp的 pair-end reads8. 统计参考基因组上面各条

前言 为什么我会走这个方案，说来很无奈，我只有个Windows系统的电脑，并且内存巨小，开虚拟机是不太够了，也没有Mac。但是许多很好用的Python库非要Linux系统不可，所以必须得解决这个问题。前前后后历时一个月，跌跌撞撞总算做出了比较满意的效果。以下内容会比较详细，所有步骤都已经是验证过的了，照着做应该不会有什么问题。 平台 我一共配了2台服务器，一台Python2（基于Anaconda2，腾讯云，Miniconda也可以），一台Python3（基于Miniconda3，阿里云），平台是Cent O

>TRINITY_DN3760_c0_g2_i1 len=284 path= 这是一个一个fasta文件的示例。 这个文件中，TRINITY_DN3760_c0_g2是基因名。 没错，TRINITY_DN3760_c0_g2和TRINITY_DN3760_c1_g2是不同的基因。 而i1，i2是不同的转录本，现在要找出一个基因唯一最长的那个转录本，短的都不要。# 17.8.11 import

脚本 脚本是字符串声明，它定义了由过程执行到执行任务的命令。 一个进程仅包含一个脚本块，并且当该进程包含输入和输出声明时，它必须是最后一个语句。 输入的字符串在主机系统中作为Bash脚本执行。它可以是通常在终端 shell 程序或通用Bash脚本中使用的任何命令，脚本或它们的组合。 可以在脚本语句中使用的命令的唯一限制是目标执行系统中这些程序的可用性。 脚本可以是简单字符串或多行字符串，例如： process doMoreThings { """ blastp -db $db -query que