Gossie的博客

用ComplexUpset画Upset图

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

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

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,

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

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

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

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

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，