生物信息学分析领域领先的特制语言环境NGLess（Next Generation Less）介绍、安装配置和详细使用方法(1)

最新推荐文章于 2024-06-15 09:39:10 发布
最新推荐文章于 2024-06-15 09:39:10 发布
阅读量736 收藏 10
点赞数 7
分类专栏： 程序员 文章标签： 运维 学习 面试
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_83739411/article/details/138771547
版权

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以点击这里获取！

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

  1. 安装编译所需的依赖项：
sudo apt install build-essential cmake git
  1. 克隆 NGLess 仓库：
git clone https://github.com/ngless-toolkit/ngless.git
  1. 进入目录并编译安装：
cd ngless 
make 
sudo make install
方法三：conda环境安装

conda环境安装可参考：轻快小miniconda3在linux下的安装配置-centos9stream-Miniconda3 Linux 64-bit-CSDN博客

conda create -n ngless_env python=3
conda activate ngless
conda install -c bioconda ngless

# 或mamba
mamba create -n ngless_env python=3
mamba activate negless
mamba install -c bioconda ngless
方法四：docker安装
docker pull ngless/ngless

docker run -it ngless/ngless

注意事项：

  • 在 Docker 中运行 NGLess，您可以在容器中执行各种 NGLess 操作，但默认情况下，容器中的任何更改都不会保留。如果希望保留结果或输出文件，请将宿主机的文件夹与 Docker 容器中的文件夹进行挂载。
  • 若要将宿主机的文件夹挂载到 Docker 容器中，可以使用 -v 参数。例如：
docker run -it -v /path/to/host/folder:/path/to/container/folder ngless/ngless

这将把宿主机的 /path/to/host/folder 目录挂载到容器的 /path/to/container/folder 目录中。

在 macOS 上安装 NGLess：

在 macOS 上安装 NGLess 可以使用 Homebrew 或手动编译安装：

方法一：使用 Homebrew 安装
  1. 安装 Homebrew（如果尚未安装）：
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
  1. 使用 Homebrew 安装 NGLess：
brew install ngless
方法二：从源代码编译安装
  1. 安装 Xcode Command Line Tools：
xcode-select --install
  1. 安装编译所需的依赖项（使用 Homebrew）：
brew install cmake
  1. 克隆 NGLess 仓库并编译安装：
git clone https://github.com/ngless-toolkit/ngless.git 
cd ngless 
make 
sudo make install
在 Windows 上安装 NGLess：

在 Windows 上可以通过虚拟机、Docker 或 Windows Subsystem for Linux（WSL）来运行 NGLess。以下是使用 WSL 安装 NGLess 的步骤：

  1. 启用 WSL 和安装 Linux 发行版（如 Ubuntu）：请参考 Microsoft 官方文档中关于 WSL 的说明和安装步骤。
  2. 安装 NGLess（可参考前述 Linux 安装方法）：在 WSL 中按照 Linux 的安装步骤进行操作。

NGLess常用功能函数

NGLess Builtin Functions — NGLess 1.5.0 documentation

NGLess是一个用于处理和分析NGS（Next-Generation Sequencing）数据的编程语言和工具。下面是NGLess的一些常用函数和示例代码：

count() - 计算一个序列文件中的序列数量

input = fastq('input.fastq.gz')
reads = count(input)

write() - 将结果写入到一个输出文件

input = fastq('input.fastq.gz')
write(input, ofile='output.fastq')

parse_fastq() - 解析FASTQ文件

input = parse_fastq('input.fastq')

select() - 选择符合条件的序列

input = fastq('input.fastq.gz')
selected = select(input, keep_if=(length >= 50))

reject() - 拒绝符合条件的序列

input = fastq('input.fastq.gz')
filtered = reject(input, keep_if=(mean_quality < 20))

substrim() - 对序列进行质量截断

input = fastq('input.fastq.gz')
trimmed = substrim(input, cutoff=20)

map() - 对序列进行比对

input = fastq('input.fastq.gz')
index = faidx('reference.fasta')
mapped = map(input, index)

unmapped_only() - 选择未比对的序列

input = fastq('input.fastq.gz')
mapped = map(input, index)
unmapped = unmapped_only(mapped)

group_by() - 按照指定的键值进行分组

input = ... # 一些数据
grouped = group_by(input, key='sample')

sort() - 对序列进行排序

input = ... # 一些数据
sorted_data = sort(input, by='value', reverse=True)

mean() - 计算一组数字的平均值

data = [1, 2, 3, 4, 5]
avg = mean(data)

median() - 计算一组数字的中位数

data = [1, 2, 3, 4, 5]
med = median(data)

sum() - 计算一组数字的总和

data = [1, 2, 3, 4, 5]
total = sum(data)

range() - 生成一个整数序列

numbers = range(1, 10)

length() - 计算序列或字符串的长度

seq = 'ATCG'
len = length(seq)

reverse_complement() - 对序列取反补

seq = 'ATCG'
rc_seq = reverse_complement(seq)

translate() - 将DNA序列翻译成氨基酸序列

dna_seq = 'ATGCTGAACTG'
aa_seq = translate(dna_seq)

gc_content() - 计算序列的GC含量

seq = 'ATCGATCG'
gc = gc_content(seq)

subsample() - 对序列进行子抽样

input = fastq('input.fastq.gz')
subsampled = subsample(input, fraction=0.1)

merge() - 合并两个或多个序列文件

input1 = fastq('input1.fastq.gz')
input2 = fastq('input2.fastq.gz')
merged = merge(input1, input2)

average_quality() - 计算序列的平均质量

input = fastq('input.fastq.gz')
avg_qual = average_quality(input)

trim_polya() - 对序列进行poly(A)尾修剪

input = fastq('input.fastq.gz')
trimmed = trim_polya(input)

annotate() - 对序列进行注释

input = ... # 一些序列
annotation = ... # 一些注释信息
annotated = annotate(input, with=annotation)

to_fasta() - 将序列文件转换为FASTA格式

input = fastq('input.fastq.gz')
fasta = to_fasta(input)

to_fastq() - 将序列文件转换为FASTQ格式

input = fasta('input.fasta')
fastq = to_fastq(input)

reverse() - 对序列进行反转

seq = 'ATCG'
reversed_seq = reverse(seq)

complement() - 对序列进行互补

seq = 'ATCG'
comp_seq = complement(seq)

is_paired() - 判断序列是否成对出现

input = fastq('input.fastq.gz')
paired = is_paired(input)

pair() - 对成对的序列进行配对

input = fastq('input.fastq.gz')
paired = pair(input)

is_unique() - 判断序列是否唯一

input = fastq('input.fastq.gz')
unique = is_unique(input)

unique_only() - 选择唯一的序列

input = fastq('input.fastq.gz')
unique = unique_only(input)

random() - 生成一个随机数

rand_num = random()

shuffle() - 对序列进行随机重排

input = fastq('input.fastq.gz')
shuffled = shuffle(input)

annotate_gff() - 对序列进行基因组注释

input = fasta('input.fasta')
gff_file = 'annotation.gff'
annotated = annotate_gff(input, gff_file)

align() - 对序列进行局部或全局比对

input = fasta('input.fasta')
ref_seq = fasta('reference.fasta')
alignment = align(input, ref_seq)

align_sam() - 对序列进行SAM格式比对

input = fasta('input.fasta')
sam_file = 'alignment.sam'
aligned = align_sam(input, sam_file)

align_bam() - 对序列进行BAM格式比对

input = fasta('input.fasta')
bam_file = 'alignment.bam'
aligned = align_bam(input, bam_file)

compress() - 对文件进行压缩

input_file = 'input.txt'
compressed_file = compress(input_file, format='gzip')

decompress() - 对文件进行解压缩

compressed_file = 'input.gz'
decompressed_file = decompress(compressed_file)

distance() - 计算两个序列之间的距离

seq1 = 'ATCG'
seq2 = 'AGCG'
dist = distance(seq1, seq2)

intersect() - 计算两个序列集合的交集

input1 = fasta('input1.fasta')
input2 = fasta('input2.fasta')
intersected = intersect(input1, input2)

union() - 计算两个序列集合的并集

input1 = fasta('input1.fasta')
input2 = fasta('input2.fasta')
unioned = union(input1, input2)

subtract() - 计算两个序列集合的差集

input1 = fasta('input1.fasta')
input2 = fasta('input2.fasta')
subtracted = subtract(input1, input2)

average() - 计算一组数字的平均值

data = [1, 2, 3, 4, 5]
avg = average(data)

maximum() - 计算一组数字的最大值

data = [1, 2, 3, 4, 5]
max_val = maximum(data)

minimum() - 计算一组数字的最小值

data = [1, 2, 3, 4, 5]
min_val = minimum(data)

standard_deviation() - 计算一组数字的标准差

data

常见生信分析代码片段

下面是常用的NGless功能函数处理宏基因组数据的代码片段：

从FASTQ文件中过滤低质量的reads，并将结果输出到新文件中：

ngless "1.0"
input = fastq('input.fq')
preprocess(input, phred=33) using |read|:
    if read.avg_qual < 20:
        discard
input | keep | add_sequence_length | sum | write(`filtered.fq`, compression=Fastq)

根据OTU表将reads映射到参考数据库，并生成OTU表：

ngless "1.0"
input = fastq('input.fq')
reference = fasta('ref.fasta')

mapped = map(input, reference, exact=False, sensitive=True)
otu_table(mapped, reference) | write(`otu_table.txt`, format="csv")

对OTU表进行物种注释，并生成注释表：

ngless "1.0"
otu_table = csv('otu_table.csv')
annotation_db = csv('annotation_db.csv')

annotated = annotate_species(otu_table, annotation_db)
annotated | write(`annotated_otu_table.csv`, format="csv")

根据OTU丰度信息生成热图：

ngless "1.0"
otu_table = csv('otu_table.csv')

heatmap(otu_table) | write(`heatmap.png`, format="png")

对样品进行稀释，并生成稀释后的OTU表：

ngless "1.0"
otu_table = csv('otu_table.csv')
diluted = dilute(otu_table, factor=10)
diluted | write(`diluted_otu_table.csv`, format="csv")

对OTU表进行组间差异分析，使用差异显著性检验方法：

ngless "1.0"
otu_table = csv('otu_table.csv')
groups = csv('groups.csv')

differential(abundance(otu_table), groups) | write(`differential_analysis.csv`, format="csv")

对样品进行Beta多样性分析，并生成PCoA图：

ngless "1.0"
otu_table = csv('otu_table.csv')

pcoa_table = pcoa(otu_table)
pcoa_table | plot(`pcoa.png`, format="png")

对OTU表进行功能注释，并生成功能注释表：

ngless "1.0"
otu_table = csv('otu_table.csv')
gene_db = csv('gene_db.csv')

annotated = annotate_functions(otu_table, gene_db)
annotated | write(`annotated_otu_table.csv`, format="csv")

根据OTU表进行物种多样性分析，并生成物种多样性指数表：

ngless "1.0"
otu_table = csv('otu_table.csv')

diversity_indices(otu_table) | write(`diversity_indices.csv`, format="csv")

对样品进行Alpha多样性分析，并生成稀释曲线图：

ngless "1.0"
otu_table = csv('otu_table.csv')

alpha_table = alpha_diversity(otu_table)
alpha_table | plot(`alpha_diversity.png`, format="png")

对OTU表进行物种丰度分析，并生成物种丰度柱状图：

ngless "1.0"
otu_table = csv('otu_table.csv')

species_abundance(otu_table) | plot(`species_abundance.png`, format="png")

根据OTU表进行共生网络分析，并生成共生网络图：

ngless "1.0"
otu_table = csv('otu_table.csv')

cooccurrence_network(otu_table) | plot(`cooccurrence_network.png`, format="png")

对样品进行微生物组成分析，并生成样品组成饼图：

ngless "1.0"
otu_table = csv('otu_table.csv')

sample_composition(otu_table) | plot(`sample_composition.png`, format="png")

对OTU表进行代谢通路分析，并生成代谢通路富集柱状图：

ngless "1.0"
otu_table = csv('otu_table.csv')
pathway_db = csv('pathway_db.csv')

enriched_pathways(otu_table, pathway_db) | plot(`enriched_pathways.png`, format="png")

对OTU表进行进化分析，并生成进化树：

ngless "1.0"
otu_table = csv('otu_table.csv')

evolutionary_analysis(otu_table) | plot(`evolutionary_tree.png`, format="png")

将多个OTU表进行合并：

ngless "1.0"
otu_table1 = csv('otu_table1.csv')
otu_table2 = csv('otu_table2.csv')

combined = merge(otu_table1, otu_table2)
combined | write(`merged_otu_table.csv`, format="csv")

对OTU表进行样品分类，并生成分类树：

ngless "1.0"
otu_table = csv('otu_table.csv')

taxonomy_tree(otu_table) | plot(`taxonomy_tree.png`, format="png")

根据OTU表进行功能富集分析，并生成功能富集柱状图：

ngless "1.0"
otu_table = csv('otu_table.csv')
gene_set_db = csv('gene_set_db.csv')

enriched_functions(otu_table, gene_set_db) | plot(`enriched_functions.png`, format="png")

对样品进行Gamma多样性分析，并生成Gamma多样性曲线：

ngless "1.0"
otu_table = csv('otu_table.csv')

gamma_table = gamma_diversity(otu_table)
gamma_table | plot(`gamma_diversity.png`, format="png")

对OTU表进行进化树构建，并生成进化树：

ngless "1.0"
otu_table = csv('otu_table.csv')

phylogenetic_tree(otu_table) | plot(`phylogenetic_tree.png`, format="png")

请注意，这些代码片段仅为示例，并不一定适用于所有NGless版本和数据集。在实际使用时，请根据具体情况进行修改和调整。

NGLess的使用示例

人类肠道宏基因组学的功能和分类分析

步骤概述：
  1. 准备数据：获取并准备用于分析的原始测序数据。
  2. 质量控制和过滤：对原始数据进行质量控制、去除低质量序列和去除宿主DNA等。
  3. 人类肠道宏基因组分类：对数据进行分类，识别宿主肠道微生物。
  4. 功能注释：对宏基因组数据进行功能注释，识别和分析肠道微生物的功能特征。
详细步骤：
步骤 1: 准备数据
  • 下载并准备用于肠道宏基因组学的原始测序数据，例如来自人类肠道样本的元组装数据（metagenomic sequencing data）。
步骤 2: 质量控制和过滤

最全的Linux教程，Linux从入门到精通

======================

  1. linux从入门到精通(第2版)

  2. Linux系统移植

  3. Linux驱动开发入门与实战

  4. LINUX 系统移植 第2版

  5. Linux开源网络全栈详解 从DPDK到OpenFlow

华为18级工程师呕心沥血撰写3000页Linux学习笔记教程

第一份《Linux从入门到精通》466页

====================

内容简介

====

本书是获得了很多读者好评的Linux经典畅销书**《Linux从入门到精通》的第2版**。本书第1版出版后曾经多次印刷，并被51CTO读书频道评为“最受读者喜爱的原创IT技术图书奖”。本书第﹖版以最新的Ubuntu 12.04为版本，循序渐进地向读者介绍了Linux 的基础应用、系统管理、网络应用、娱乐和办公、程序开发、服务器配置、系统安全等。本书附带1张光盘，内容为本书配套多媒体教学视频。另外,本书还为读者提供了大量的Linux学习资料和Ubuntu安装镜像文件，供读者免费下载。

华为18级工程师呕心沥血撰写3000页Linux学习笔记教程

本书适合广大Linux初中级用户、开源软件爱好者和大专院校的学生阅读，同时也非常适合准备从事Linux平台开发的各类人员。

需要《Linux入门到精通》、《linux系统移植》、《Linux驱动开发入门实战》、《Linux开源网络全栈》电子书籍及教程的工程师朋友们劳烦您转发+评论

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以点击这里获取！

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

2401_83739411
关注
专栏目录
【愚公系列】2024年03月 《AI智能化办公：ChatGPT使用方法与技巧从入门到精通》 007-ChatGPT的基本操作与提问技巧（如何与ChatGPT聊天）
时光隧道
03-07 5万+
下面我们通过一个例子来感受如何与ChatGPT聊天，相信这个例子可以帮助读者更好地理解ChatGPT的回答方式、如何有效地提出问题，以及如何对它进行引导。
ngless：NGLess：NGS工作量少
02-02
NGLess：NGS处理工作量少 Ngless是用于NGS（下一代测序数据）处理的特定领域语言。 如有疑问和讨论，请使用。 如果您使用的是NGLess，请引用： NG-元分析器：使用NGLess，路易斯佩德罗科埃略，雷纳托阿尔维斯，圣保罗蒙泰罗，海梅韦尔塔-CEPAS，安娜特雷莎弗雷塔斯一个域特定语言宏基因组的快速处理，皮尔·博克，微生物组（2019） 例 ngless "1.0" input = fastq(['ctrl1.fq','ctrl2.fq','stim1.fq','stim2.fq']) input = preprocess(input) using |read|: read = read[5:] read = substrim(read, min_quality=26) if len(read) < 31: discard mapped = map(input, reference='hg19') write(count(mapped, features=['gene']),
生物信息学分析领域领先的特制语言环境NGLess（Next Generation Less）介绍、安装配置和详细使用方法
04-16 360
准备数据：获取并准备用于分析的原始测序数据。质量控制和过滤：对原始数据进行质量控制、去除低质量序列和去除宿主DNA等。人类肠道宏基因组分类：对数据进行分类，识别宿主肠道微生物。功能注释：对宏基因组数据进行功能注释，识别和分析肠道微生物的功能特征。
NGLess: 使用更少的工作来进行二代测序数据处理
LonghaoJia的博客
04-26 627
NGLess: 使用更少的工作来进行二代测序数据处理 NGLess论文：Coelho L P, Alves R, Monteiro P, et al. NG-meta-profiler: fast processing of metagenomes using NGLess, a domain-specific language[J]. Microbiome, 2019, 7(1): 1-10. NGLess官方文档：https://ngless.embl.de/index.html NGLess(
行业资料-电子功用-利用微生物电解池技术在线监测硝态氮浓度的方法与装置的介绍分析.rar
09-21
总结，微生物电解池技术在线监测硝态氮浓度的方法与装置是环境科学领域的一大创新，它结合了微生物学与电化学原理，为水质监测提供了绿色、高效的新途径。通过深入了解和研究，我们可以更好地利用这一技术，应对日益...
温特制与深圳电子信息产业兴起研究.pdf
08-24
温特制与深圳电子信息产业兴起研究的核心内容涉及温特制生产方式和深圳电子信息产业发展的关联性。温特制起源于计算机领域，作为一种新型的生产方式，它的出现与20世纪后半叶全球经济特别是国际生产领域的新格局密切...
行业资料-电子功用-卧式超高频微进给深孔加工电解磨削机床及其使用方法的介绍分析.rar
09-21
《卧式超高频微进给深孔加工电解磨削机床及其使用方法》 在现代工业生产中，精密加工技术已经成为提升产品质量与效率的关键因素。卧式超高频微进给深孔加工电解磨削机床作为这一领域的代表，集成了高精度、高效能的...
南京信息工程大学特制成绩单
04-01
南京信息工程大学特制成绩单
Microbiome：NGLess语言实现快速可重复分析宏基因组的流程NG-meta-profiler
刘永鑫的博客——宏基因组公众号
08-15 851
文章目录NG-meta-profiler：使用NGLess（一种领域专用语言）快速处理宏基因组Peer Bork的介绍和相关文章日报摘要背景结果结论主要结果图1. NG-meta-profiler工作流程表1. NG-meta-profiler内置的参考基因集表2. NGLess内置的功能模块图2. NGLess与其它工具用时比较表3. 模拟数据结果质量图3. 用NGLess语言编写的人类微生物组...
推荐文章：邂逅NGLess，简化下一代测序数据分析之旅
最新发布
gitblog_00084的博客
06-15 270
推荐文章：邂逅NGLess，简化下一代测序数据分析之旅 项目地址:https://gitcode.com/ngless-toolkit/ngless 在生物信息学的广阔领域中，数据处理往往意味着繁复的脚本和漫长的调试过程。然而，今天我们要向您介绍一个革新性的工具——NGLess（Next-Generation Sequencing Language），它以一种更为简洁高效的方式，重新定义了我们处理...
生信linux入门（三）从零开始的环境配置及软件安装管理
apple_51736177的博客
12-25 1191
从零开始的生信入门相关环境配置和软件管理（anaconda）
生信入门（二）——使用limma、Glimma和edgeR,RNA-seq数据分析
羊羊的博客
09-21 6002
生信入门（二）——使用limma、Glimma和edgeR,RNA-seq数据分析 文章目录生信入门（二）——使用limma、Glimma和edgeR,RNA-seq数据分析一、简介 一、简介 简单且高效地分析RNA 测序数据的能力是生信的核心优势之一。通常在获得RNA-seq基因表达矩阵后，通常需要对数据进行数据预处理、探索性数据分析、差异表达检验以及通路分析，以得到可以帮助进一步试验和验证研究的结果。未来几篇将介绍使用edgeR包，limma包，Glimma包对RNA-seq数据展开分析，从原始计数（c
生信分析需要使用服务器的八个理由
weixin_47195452的博客
05-20 1336
而服务器在机房稳定运行、永不关机，在服务器中执行任务时，无论是挂载在Linux还是用Rstudio-server运行，即使本地的电脑掉线或关机，服务器依然可以继续执行任务，完全不用守着自己的电脑。无论是windows下的子系统、双系统，还是虚拟机，与真正的Linux环境还是有所区别。相较于大家的塑料校园网，服务器每台接入1000M的专线，且我们具有正规备案，即使访问境外的数据库依旧可以达到相同的速度，即使是使用最简单的wget命令也能达到极高的下载速度，即使是用作一个网盘，似乎也比百度云更有优势。
服务器生信环境配置脚本
weixin_55102248的博客
02-21 682
【代码】服务器生信环境配置脚本。
手把手教你生信分析平台搭建
热门推荐
刘永鑫的博客——宏基因组公众号
03-22 1万+
宏基因组按：此系列教程为基因学苑的王通老师原创发布。非常适合刚接受生信，又有服务器管理需求的小伙伴做为入门材料，一共20篇文章，内容涉及服务器选购、Linux系统安装、用户管理、软件安装、软件兼容环境、Galaxy/Rstudio服务器配置等多方面。助你快速入行，轻松成为兼职服务器管理员的技术达人。 本文为宏基因组对本系列教程的导读和介绍，方便大家收藏和查阅自己需求的内容。文中蓝字均为链...
基因测序、生物信息分析平台工作站硬件配置推荐2020
Su_wenfeng的博客
04-27 4707
（一）了解生物信息学 生物信息学（Bioinformatics）利用应用数学、信息学、统计学和计算机科学的方法研究生物学的问题。生物信息学的研究材料和结果就是各种各样的生物学数据，其研究工具是计算机，研究方法包括对生物学数据的搜索（收集和筛选）、处理（编辑、整理、管理和显示）及利用（计算、模拟）。生物信息学典型工作流程 这个过程是由一系列链接的步骤组成，这些步骤将原始输入（测序原始数据RA...
生信分析平台搭建（六）：系统配置
xxxie_的博客
07-01 2024
前面介绍了那么多各种设置，很多人可能已经不耐烦了。良好的开端是成功的一半。好比做一道好菜，其实绝大部分的时间都用在前期食材准备上。准备好了，后面的自然顺理成章，水到渠成。 十：系统配置 因为我们安装的是桌面版本，因此，很多东西都没有安装，比如openssh，java，而服务器版本会默认安装很多服务器功能。不过服务器默认没有图形化界面，因为都是新手，还是先从图形化界面开始。而且自己安装一遍也没什么不...
前拆式电子白板边框结构详细介绍分析
资源摘要信息:"前拆式电子白板的边框结构的介绍分析" 在现代教育和商务会议领域，电子白板已经成为了重要的交互式展示工具。电子白板不仅能够替代传统的白板和投影仪，而且还能提供更丰富的互动功能，比如触控操作...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值