- 博客(19)
- 收藏
- 关注
RSS订阅原创 全基因组haplotype基因型分析软件：GHap
首先，emm，”G“是”Genome-Wide"的缩写。R语言 GHap 包用于从"定相后（phased）的SNP数据"构建全基因组haplotype，及对其频率、基因型等进行分析。Haploview和Plink等软件可以分析haplotype block，但似乎无法输出各个样本的haplotype基因型，也就无法进行很多下游的分析，如基于haplotype-based GWAS，GHap包填补了这个空白。对Haplotype的定义方法有很多，常用的方法有以下两种：使用LD进行定义，参考 ”Gab
2021-11-29 16:43:42
4447
20
原创 conda的安装和使用-linux系统.md
1. 安装 conda如果安装过python的衍生版本anaconda，那么你就已经安装过conda了。若没有就去官网下个安装包wget -c https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shchmod 777 Miniconda3-latest-Linux-x86_64.sh sh Miniconda3-latest-Linux-x86_64.sh 2. 使用- conda -h 这是首先要
2021-11-17 13:40:11
594
原创 ggplot2 保存图片字体错误问题
用ggplot2作完图，输出图片或者用ggsave()保存图片时可能会碰到字体错误问题，如设置字体为Arial后：Error in grid.Call.graphics(C_text, as.graphicsAnnot(x$label), x$x, x$y, : 字体类别出错一种解决方法是用 showtext 包输入需要的字体：library(showtext)font_add('Arial','/Library/Fonts/Arial.ttf') #加载字体，MAC 中字体库在 /Lib
2021-09-12 18:11:50
8289
原创 非模式生物KEGG富集分析: clusterProfiler
用到的软件：clusterProfiler（感谢Y叔）对于非模式生，可以先做KEGG注释，用注释文件直接进行计算，GO富集同理。用到三个文件1.背景基因的注释信息(所有可以注释到的基因)，两列2.ko的描述信息文件，两列3.差异基因文件（软件会自动删掉没有注释到的基因），一列library(clusterProfiler)term2gene <- read.table('gene-ko-K.txt',sep = '\t')term2gene <- term2gene[,c(2,
2021-08-03 14:51:01
3434
原创 转录组分析流程：表达差异分析之edgeR
edgeRedgeR是非常经典的转录组表达差异分析软件。此外，HTSFilter软件用于差异表达基因过滤，相比过于严格的多重检验，HTSFilter能检测到更多的差异表达基因。HTSFilter需要有生物学重复。样本量：72个转录组样本library(edgeR)library(HTSFilter)fc <- read.table('counts.txt',header=1,row.names="Geneid") #counts矩阵，有表头group <- as.factor(st
2021-04-25 17:05:20
2249
原创 转录组分析流程：比对（有参）及统计Counts矩阵
样本：ChengShuaiShuai 早熟转录组 72个Ref: UTX_TM1_2.11. 质控fastqc *multiqc *trimmomatic_run.sh #去掉前9个碱基2. 比对gffread annotation.gff3 -T -o annotation.gtfhisat2_extract_splice_sites.py .UTX.gtf >UTX.gene.sshisat2_extract_exons.py UTX.gene.gtf >UTX.ge
2021-04-24 19:55:56
2519
原创 全基因组关联分析（GWAS）软件：Tassel5
Tassel 是比较经典的关联分析软件，但是因为运行速度没有优势，所以在重测序等数据量比较大的研究中不太常用。这是记录一下Tassel5 命令行进行关联分析的过程。参考：Tassel5：https://bitbucket.org/tasseladmin/tassel-5-source/wiki/HomeMLM：https://bitbucket.org/tasseladmin/tassel-5-source/wiki/UserManual/MLM/MLM1. 计算kinshiprun_pipeli
2021-03-12 20:35:23
4322
原创 全基因组关联分析（GWAS）软件：emmax
emmax 的优点是操作简单，运行速度非常快，几百万的SNP也可以半小时内跑完。1. 基因型格式# 转换成合适的格式nohup plink --vcf snp.vcf.gz --recode 12 --output-missing-genotype 0 --transpose --out snp --allow-extra-chr &注意:emmax 接受plink的长格式。基因型需要先 imputation，不能有缺失，且只识别双等位位点。snp ID （tped 文件第二列，不
2020-12-29 20:37:22
6514
1
原创 群体结构分析：用 phylip 构建进化树
用 phylip 构N-J树在 linux 系统，可以用 conda 安装 phylip 软件1. 将 SNP 文件转换为 phylip 格式用 tassel 的格式转换功能将 plink 格式转为 phylip 格式。另外有一个脚本可以将 vcf 格式转换为 phylip ，vcf2phylip.pyrun_pipeline.pl -Xmx50G -plink -ped snp.ped -map snp.map -export snp.phy -exportType Phylip_Inter
2020-11-29 19:43:48
13650
5
原创 全基因组关联分析（GWAS）：LD Block
画LD block用的比较多的有两个软件，一个是haploview，另一个是R包LDheatmap。haploview数据导入传说plink可以直接转化出HV格式（参数 --recode HV），但是用的时候提示没有case/control表型，不知如何解决。因此自己将plink格式转换为Linkage formate格式Linkage formate格式有两个文件：ped文件和info文件ped文件与plink的ped非常相似：第一列：家系。没有家系可以指定其它唯一ID第二列：个体。第三
2020-11-12 09:40:48
9941
原创 blast 简单使用
安装可以用conda安装构建本地比对库收集mask信息为了屏蔽简单重复序列的干扰，需要收集mask信息。核酸序列算法有windomasker和dustmasker两种。此处用的是dustmasker.dustmasker -in genome.fasta -infmt fasta -parse_seqids -outfmt maskinfo_asn1_bin -out dust.asnb-in:输入文件-infmt: 输入文件格式-parse_seqids：按序列id解析，此外用了，
2020-11-06 08:31:04
3245
原创 全基因组关联分析（GWAS）软件：gemma
版本：Version 0.94.1输入文件GEMMA 需要四个主要的输入文件，包括基因型、表型、相关矩阵和协变量（可选）。基因型和表型文件可以是两种格式，都是 PLINK binary ped 格式或者都 BIMBAM 格式。不可混用。genotype 文件接受比较多的输入类型，这是用的 plink 格式：GEMMA 识别基因型和表型的 PLINK binary ped 文件格式.该格式需要三个文件：*.bed, *.bim, *.bam，所有文件都有相同的前缀。用户可以用 PLINK 将标
2020-11-02 21:29:20
8543
6
原创 全基因组关联分析（GWAS）软件：MAGMA
MAGMA软件被设计用于基于基因的（gene-based)或基因集的（gene-set-based)的关联分析，可以直接找到与目的性状相关的功能基因或功能模块（如基因调控通路等），也有利于发现由多个微效 SNP 关联的基因。MAGMA 的输入数据可以是原始的基因型数据，也可以是其它关联分析软件的结果（如emmax、gemma等）。本文用 emmax 的关联分析结果作为输入文件，因为 MAGMA 虽然可以用原始数据进行单位点的关联分析，但是它的运行速度没有 emmax 快。1. SNP 注释MAGM
2020-10-30 10:20:50
5052
原创 全基因组关联分析（GWAS）软件：mrMLM
mrMLM 官网介绍，它的优势是先用一个比 Bonferroni 略宽松的标准筛选SNP，然后用多位点遗传模型分析，可以找到更多的与目标性状关联的SNP。不得不吐槽一下，使用体验太差，输入文件不是常用格式（vcf、ped等），也没有解释说明（说明书里的信息基本等于零），逼的我只好看程序代码如何读取数据的。。。；后来发现，R包的文件夹里有个原始数据的示例文件，终于有了点头绪。。。ps：后来终于在bioRxiv上的关于mrMLM 4.0的文章的附件中找到一份比较详细的说明.前言输入文件有三种格式，num
2020-10-28 14:24:59
4486
原创 用GATK进行二代测序数据 SNP Calling 流程：（四）变异过滤
GATK推荐的最好的过滤方式是用 VQSR功能，它通过机器学习算法来判断SNP的优劣，因此至少需要两个已存在的 SNP 数据集，一个是经过验证的高质量 SNP 数据集作为真集（如 HapMap），还需要一个质量不是特别高，允许存在小部分假阳性的数据集做训练集（如，1000G）。这些数据集在人类研究中很容易找到，但是在植物中比较困难，因此本流程用硬过滤（hard-filtering）的方法进行变异过滤。提取SNP和INDELSNP 和 INDEL 的过滤参数有所不同，因此分开过滤。#vcf索引nohu
2020-10-27 21:49:32
20130
10
原创 用GATK进行二代测序数据 SNP Calling 流程：（三）GenomicsDBImport 的多样本变异检测
1. Genomics Database对于群体数据来说，多样本同时时行 SNP Calling 的准确度要优于单个样本的 SNP Calling.GATK3 的多样本 SNP Calling 功能是 CombineGVCFs，GATK4 新出了 GenomicsDBImport功能，官网建议它适合1000个样本以上的 SNP Calling，但是它的另一个优点是可扩展性，即随时可以向 database 里添加新的材料，以扩大群体数量，而不用对旧的数据再从头操作一次。Tips：GenomicsDBIm
2020-10-26 20:51:12
8957
6
原创 用GATK进行二代测序数据 SNP Calling 流程：（二）bwa比对和HaplotypeCaller 变异检测
1. 创建基因组索引bwa index genome.fa2. 查看read group信息，按read group分组, 比对、合并，生成gvcf由于数据太多，无法存储过多的中间文件，因此写了一个脚本，边运行边删除中间文件，过程包括：解压，按read group分组。（RG（read group） 信息非常重要，GATK需要通过RG来判断碱基测序质量。我的一个样品的测序数据可能会来自不同的Cell，不同的lane、flowcell，甚至不同的机器，这在重测序中比较常见。因此，我将一个fastq
2020-10-26 20:14:46
7345
12
原创 用GATK进行二代测序数据 SNP Calling 流程：（一）质控
1. 查看原始reads质量fastqc -t 40 *multiqc ./ -o /testfastqc 软件用于查看每个fastq文件的质量，multiqc软件可以收集fastqc的结果，在大数据量的时候便于查看/test为fastqc的结果文件夹。2.低质量reads处理#用trimmomatic对进行测序数据质量控制#需要一个包含样本名称的单列文件#线程t=8# 模式PE（双端）或者SE（单端）mode='PE'#以下参数适情况修改、添加。#ILLUMINACLIP模式
2020-10-26 15:21:43
3545
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人