CNCI的使用--RNA蛋白编码预测软件

(生信)RNA蛋白编码预测软件-CNCI的使用

CNCI简介:

CNCI是由中科院研发的一款基于SVM(支持向量机)的LncRNA预测软件,它可以不依赖于已知的RNA注释信息来进行预测,同时其对不完全转录和反义的RNA有着良好的分类效果,本文将根据github的说明总结一些简单的操作。

软件安装与准备:

  1. linux 32位或者linux 64位系统
  2. python 2.74或者2.0版本(详细安装步骤见:https://blog.csdn.net/sherri_du/article/details/51810221)
  3. CNCI下载地址:https://github.com/www-bioinfo-org/CNCI#install-cnci
  4. CNCI的安装
git clone git@github.com:www-bioinfo-org/CNCI.git
cd CNCI
unzip libsvm-3.0.zip
cd libsvm-3.0
make
cd ..

程序简介:

共有三个.py程序可供使用,分别是:compare.py / CNCI.py / filter_novel_lincRNA
下面是官网说明书里面对它们的解释:

1,compare.py: compare the merged/assembled transcripts with known gene annotation!
2,CNCI.py: A classification tool for ide

长非编码RNA(lncRNA)筛选是一种基于高通量测序数据的生物信息学分析方法,实现起来比较复杂,需要一定的编程基础和相关工具的使用。以下是一些参考步骤和代码示例: 1. 数据预处理 首先需要对高通量测序数据进行预处理,包括质量控制、去除接头序列、去除低质量序列等。这可以使用一些常用的软件工具来完成,例如FastQC、Trimmomatic等。 2. 转录组组装 接下来需要对预处理后的数据进行转录组组装,得到基因转录本的序列信息。这可以使用一些常用的转录组组装软件工具来完成,例如Trinity、StringTie等。 3. lncRNA鉴定 得到基因转录本的序列信息后,需要进行lncRNA鉴定,这可以使用一些专门的lncRNA鉴定软件工具来完成,例如CNCI、CPAT、Pfam等。以下是使用CNCI进行lncRNA鉴定的代码示例: ```python # 导入CNCI软件包 import cnci # 读取转录本序列 transcript_file = "transcript.fasta" transcript_dict = cnci.read_fasta(transcript_file) # 进行lncRNA鉴定 cnci_result = cnci.predict(transcript_dict) # 输出lncRNA鉴定结果 for transcript_id, result in cnci_result.items(): if result == "lncRNA": print(transcript_id) ``` 4. 差异表达分析 最后需要进行差异表达分析,得到在不同条件下显著表达的lncRNA列表。这可以使用一些常用的差异表达分析软件工具来完成,例如DESeq2、edgeR等。 以上是一些基本的步骤和代码示例,具体实现还需要根据具体数据和分析目的进行调整和优化。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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