使用cd-hit对核酸序列或氨基酸序列聚类

最新推荐文章于 2025-04-07 20:47:54 发布
最新推荐文章于 2025-04-07 20:47:54 发布
阅读量9.7k 收藏 20
点赞数 6
分类专栏： 生信新手分享 jie 文章标签： 经验分享
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/keepaware/article/details/107945430
版权

目录

cd-hit简要原理

cd-hit是一款用于蛋白质序列或者核酸序列聚类的工具，由 Dr. Weizhong Li开发。其主要目的是在一堆较相似的序列找出几条代表序列，这几条代表序列就能分别代表这堆序列中的一个小类。

cd-hit算法的核心在于首先找出较长的序列作为代表序列，之后将剩下的序列与这些代表序列比对。某条序列与某代表序列比对达到自行设置的相似性阈值后则直接归为此代表序列一类，默认情况下某序列第一次找到符合条件的代表序列后就不再进行后续与其它代表序列的比对。

从其设计原理来看此工具也具有一些缺点，因为其首先找到长的代表序列，剩下的序列只与这些代表序列比对，而剩下的序列之间不用互相比对，某一类序列之间也没有互相比对，但剩下的序列间相似性差距可能也很大，这样就可能导致结果不够可靠。但是也正是因为这样比对的方式，不用所有序列间进行两两比对，使得这个工具运行速度很快。因此实际应用时要根据需要选择使不使用此工具。

cd-hit的参数

cd-hit一般在命令行下操作，只需要一行代码即可，十分方便，其有很多参数可以帮助改变聚类方式及聚类的相似性阈值等。我仅列了几个个人认为比较重要的参数，当然有需要的时候可以自己敲出cd-hit -h查看帮助文档哈！

   -i	input filename in fasta format, required
   # 输入文件，必需。为fasta格式。基本格式为一行以'>'开头的注释行和单独的一列序列行反复重复。
   
   -o	output filename, required
   # 输出文件名，必需。
   
   -c	sequence identity threshold, default 0.9
 	# 相似性阈值，默认为0.9，c必须和字长一起调整
最低0.47元/天 解锁文章
宏基因组中的病毒组分析（3）CD-HIT聚类vOTU
weixin_57129211的博客
08-30 1724
CD-HIT作为一种高效的生物信息学工具，在基因组和转录组研究中发挥着重要作用。其优点在于高效、可扩展、精度高，并支持多种文件格式和丰富的输出信息。然而，其比对方式的限制可能导致结果在某些情况下不够全面或细致。因此，在实际应用中，需要根据具体需求选择合适的工具和方法，以获得最佳的分析效果。
cd-hit linux,使用cd-hit对蛋白质或核酸序列进行聚类
weixin_33603105的博客
05-16 1428
2018.9.7 星期四 多云 biolearncd-hit 是用于蛋白质序列或核酸序列聚类的工具，根据序列的相似度对序列进行聚类以去除冗余的序列，一般用于构建非冗余的数据集用于后续的实验分析。cd-hit聚类算法通常来说，根据序列相似度对序列进行聚类，首先想到的可能是通过计算两两序列之间的相似度对序列进行聚类，这样需要进行all by all的比较，相对来说比较费时，而 cd-hit 软件...
cd-hit参数解析
最新发布
weixin_47582341的博客
04-07 173
cd-hit使用及参数解释
cd-hit安装与使用-cd-hit v4.8.1（bioinfomatics tools-005）
热门推荐
weixin_44874487的博客
03-03 1万+
CD-HIT (Cluster Database at High Identity with Tolerance) 是一种广泛使用的生物信息学工具，主要用于快速聚类生物序列数据，如蛋白质或核酸序列，以减少数据冗余和简化数据分析。其基本原理涉及比较序列之间的相似性，将高度相似的序列分组到同一个聚类中，从而减少数据集的复杂性。
cd-hit 转录本聚类
weixin_30339969的博客
01-23 1384
可以将Trinity.fasta最长转录本作为unigenes，也可以使用其他软件，如GTICL和cd-hit。一般GTICL和cd-hit得到的unigenes比Trinity软件得到的数量要多，有人指出在GTICL和cd-hit的结果中能找到自己想要的基因，而在最长库中有的难以找到。 1. 安装 Cd-hit下载网址为https://github.com/weizhongli/cdhit...
推荐开源项目：CD-HIT - 高效的序列聚类工具
gitblog_00305的博客
08-08 957
推荐开源项目：CD-HIT - 高效的序列聚类工具 项目地址:https://gitcode.com/gh_mirrors/cd/cdhit 项目介绍 CD-HIT 是一个广泛使用的生物信息学工具，主要用于对蛋白质或核酸序列进行聚类。它能快速有效地找出相似的序列，并将其归为同一簇，极大地减少了数据的复杂性，帮助研究人员在大规模基因组和转录组数据中找到重复和模式。 该项目还包括辅助工具 cd-hit...
CD-HIT去除冗余序列
xiaobai1_1的博客
12-16 9210
1、简介 CD-HIT是用于蛋白质序列或核酸序列聚类的工具，根据序列的相似度对序列进行聚类以去除冗余的序列，一般用于构建非冗余的数据集用于后续的实验分析。 2. 下载与安装 Cd-hit下载网址为https://github.com/weizhongli/cdhit/archive/V4.6.2.tar.gz，需要在linux系统（如果你的电脑是Windows的，可以装一个虚拟机，并安装Linux...
FastRNABindR：快速准确预测蛋白质-RNA界面残基
LIYUO94的博客
02-07 1487
paper Abstract 广泛的生物学过程，包括基因表达的调节、蛋白质的合成以及许多病毒的复制和组装都是由RNA-蛋白质相互作用介导的。然而，蛋白质-RNA复合物结构的实验测定是昂贵的，而且在技术上具有挑战性。因此，已经开发了许多计算工具来预测蛋白质-RNA界面。一些最先进的蛋白质-RNA界面预测因子依赖于基于位置特定评分矩阵(PSSM)的蛋白质序列编码。生成PSSM所需的计算工作量严重限制了蛋白质-RNA界面预测服务器的实用价值。在这项工作中，我们实验了两种方法，随机抽样和序列相似性缩减，以从UniR
论文解读：4mCBERT:基于集成学习策略，通过序列和化学衍生信息识别DNA n4 -甲基胞嘧啶位点的计算工具
qq_41909775的博客
04-05 1218
首先构建了PCP特征和化学BERT特征，并将其应用于4mC位点预测，对识别4mC有积极贡献。对于MCC，4mCBERT在六个独立的基准数据集上显著优于其他最先进的模型，包括A.taliana, C.elegans, D.melanogaster, E.coli, G.Pickering和G.subterraneous。
GraphBind: 通过层次图神经网络学习蛋白质局部结构嵌入规则以用于识别核酸结合残基
LIYUO94的博客
08-03 2494
《GraphBind: protein structural context embedded rules learned by hierarchical graph neural networks for recognizing nucleic-acid-binding residues》 作者：夏莹，春秋夏，潘晓勇，沈宏斌 单位：上海交通大学 发表时间：2021年2月12日 发表期刊：Nucleic Acids Research paper code and dataset ...
CD-HIT
纸上得来终觉浅，绝知此事要躬行！
04-21 2625
文章目录CD-HITref介绍算法原理索引表Short word filter短词统计Banded alignment算法限制PSI-CD-HIT在线服务器离线安装使用方式常用示例Gclust CD-HIT CD-HIT is a very widely used program for clustering and comparing protein or nucleotide sequences. 主要用于基因序列根据阈值去重 ref 官方： CD-HIT 官网 github CD-HIT cdhi
CDHITtoFASTA:提取包含参考蛋白的CD-Hit簇并将其以FASTA格式存储
05-20
菲仕达 提取包含参考蛋白的CD-Hit簇并将其以FASTA格式存储。 CD-HIT是用于对生物序列进行聚类以减少序列冗余并改善其他序列分析性能的广泛使用的程序。 CD-HIT最初被开发为对蛋白质序列进行聚类以创建冗余度降低的参考数据库，然后被扩展为支持聚类核苷酸序列并比较两个数据集。 CD-Hit还可以用于对序列进行聚类并输出一个聚类文件（扩展名.clstr），其中包含来自输​​入FASTA文件的聚类序列的部分。 CDHITtoFASTA使用此群集文件通过从CD-Hit找到要与参考序列进行群集的文件中提取序列来过滤输入的FASTA文件。 命令行界面概述 $ python ~/PATH_TO_DIR/CDHITtoFASTA -h usage: CDHITtoFASTA [-h] [-i CLUSTER] [-s FASTA] [-r LIST] Extracts CD-Hit cl
psi-cd-hit脚本
01-06
psi-cd-hit用于低于40%相似性的序列聚类,是直接从github上拷贝过来的代码哈，大家也可以直接去github上下载就行。
cd-hit-user-guide.pdf 学习cd-hit新手必备！
12-10
cd-hit是非常快速的、是中国人（Weizhong Li）写的，很好用，最大的特点就是快。基本思路是首先对所有序列按照其长度进行排序，然后从最长的序列开始，形成第一个序列类，然后依次对序列进行处理，如果新的序列与已有的序列类的代表序列的相似性在cutoff以上则把该序列加到该序列类中，否则形成新的序列类。 指导学习cd-hit
CD-HIT：高效精准的基因序列比对工具
gitblog_00034的博客
04-15 777
CD-HIT：高效精准的基因序列比对工具 cdhitAutomatically exported from code.google.com/p/cdhit项目地址:https://gitcode.com/gh_mirrors/cd/cdhit 项目简介 是一个由Weizhong Li开发的开源项目，主要用于生物信息学中的基因或蛋白质序列比对。它能够快速地聚集相似序列，并以高精度进行聚类，是研究基...
cd-hit记录解读
situttt的博客
07-19 1122
翻译自：https://github.com/weizhongli/cdhit/wiki/1.-Algorithm#user-content-References聚类序列数据库通常需要进行全对全比较；因此非常耗时。许多方法使用BLAST计算所有对所有相似性。对于这些方法来说，要对大数据库进行聚类非常困难。而CD-HIT可以使用基于短word的启发式算法避免许多成对的序列比对。CD-HIT是一种贪婪的增量聚类方法。基本CD-HIT算法将输入序列从长到短排序，并按最长到最短的顺序连续处理它们。
cd-hit 去除冗余序列
sunxiaolinlinx的博客
03-13 1727
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
cd-hit 去冗余
rojyang的博客
11-01 8154
下载：http://www.bioinformatics.org/cd-hit/ 背景：生信分析中经常要根据指定条件查找相似序列，比如构建多个样品间的非冗余基因集、分析样品间的相似程度。 cd-hit 去冗余，也可以叫做相似序列的聚类 工作原理可概述为：将所有序列按照参数设定进行聚类，并将每一组聚类中的最长序列作为代表序列进行输出，同时给出每组聚类下的每个序列名可供相似度分析使用。其中设定阈...
ubuntu使用cd-hit
05-28
cd-hit 是一个用于聚类大规模生物序列的软件。以下是使用 cd-hit 进行聚类的基本步骤： 1. 准备输入序列文件：cd-hit 支持多种序列格式，例如 FASTA、FASTQ、GenBank。你需要准备一个包含待聚类序列的输入文件。 2. 运行 cd-hit：使用以下命令运行 cd-hit： ``` cd-hit -i input.fasta -o output.fasta -c 0.9 -n 5 ``` 其中，`input.fasta` 是输入文件名，`output.fasta` 是输出文件名，`0.9` 是聚类阈值，`5` 是 Word 长度。你可以根据需要调整这些参数。 3. 解析输出文件：cd-hit 输出的聚类结果是一个包含多个序列的 FASTA 文件，每个聚类的代表序列在文件中只出现一次，其它序列则作为该聚类的成员。你可以使用一些工具（例如 cd-hit 自带的 `cd-hit-est-2d`）来解析这个输出文件，提取聚类代表序列和成员序列。 这些是使用 cd-hit 进行聚类的大致步骤。如果你遇到了问题，可以告诉我具体的错误信息，我可以帮助你解决。
评论 4
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