xuzhougeng blog

2019年发表在Nature上的文章【The single-cell transcriptional landscape of mammalian organogenesis】在方法部分提到，使用NNLS(non-negative linear-square)回归的方法分析两个细胞图谱数据集中相关细胞类型。这个方法，在我搜索的中文教程中都没有出现过，所以这里以两个pbmc的数据集为例进行介绍，如何复现文章的方法。10x的细胞数据集的预处理部分不做过多介绍， 如下代码以10x官网提供的数据为例libra

在我没有启动多少应用的时候，macOS已经显示它使用了22.09GB内存。其中App内存是15.81GB, 我并没有打开那么多App.这估计跟configd有关，因为configd占用了20.55G内存。那么configd是真的占用了内存，还是就是声明自己会用到那么多内存呢？我尝试着调用了比较多的内存，直接用了29.3Gb内存cols <- 8189rows <- 320127mat1 <- matrix(data = 0, nrow=320127, ncol = 8189)

处理gsl-config not found, lzma.h not found 的系列报错问题

我的生信心得分享

代码和数据都在GitHub上，见 https://github.com/xuzhougeng/rice_annotaiton

最近切换到了MacOS平台进行办公，就不能用Windows下好用的XShell，用上了传统在命令行输入 ssh -p port user@address的方式进行登录了。作为一个‘懒惰’的人，我肯定是要避免重复的运行登录命令了。回溯用过的命令进行复用是一种方式，但还是需要输入密码，所以我的操作方式如下第一步: 通过编辑 ~/.ssh/config文件， 为指定服务器增加别名Host 别名 HostName 服务器地址 User 用户名 Port 端口这样子就能用 ssh 目

去年11月换了一台16寸Macbook Pro，用上了苹果自己开发的arm架构的M1芯片。换上新电脑后，一个重要的事情，就是配置好我的R语言分析环境，同时做一期视频教程了。本篇内容是视频教程的概要，详细版见视频。第一步，安装R语言，目前推荐Intel版本的R。相对于arm64版本的R，Intel版本的R虽然需要rosetta转译，存在性能损耗，但同时支持CRAN和Bioconductor里的预编译R包，在安装R包上会省事不少。第二步: 安装Rstudio。下载地址为 https://www.rstu

利用conda安装软件时，遇到如下提示Collecting package metadata (current_repodata.json): doneSolving environment: failed with repodata from current_repodata.json, will retry with next repodata source.Collecting package metadata (repodata.json):原以为过一会就没问题了，然而一宿过去了，还是这个

唐海宝老师开发的JCVI有一个工具，叫做ALLMAPS， 能够展示遗传图谱和物理图谱的对应关系，如下所示但是这个图的目标是为了对ALLMAPS的scaffold结果进行可视化，并不是专门用于展示遗传图谱的标记和物理图谱的对应关系。尽管在allmaps这个组件下提供了plot函数，命令行输入只要求 input.bed 和 seqid， 但实际运行的时候还要求 allmaps path的中间文件, xxxx.lifted.bed, xxxx.agp, weight.txt等文件。为了解决这一问题，我阅读了

调用函数时，遇到hursta2a520709cdf not available 也就是找不到的情况目前网络上找到资料都不够全面，详尽，正确的处理方法如下第一步，安装R包makecdfenv 并加载BiocManager::install('makecdfenv')library(makecdfenv)第二步, 在https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GPL15048下载 GPL15048_HuRSTA_2a520709.CDF

在我的Rust第一课, 我写了一个程序对fasta中的ATCG进行计数。后面，我就想到一个非常常见的需求，对文件进行读取，统计行数，类似于 wc -l下面是我写的第一个版本的代码, 我命名为myRead.rsuse std::io::BufReader;use std::fs::File;use std::env;use std::io::BufRead;fn main() -> std::io::Result<()> { let args: Vec<Stri

在2020年5月17日，HengLi在它的一篇博客「Fast high-level programming languages」提到，他一直在寻找一门编程语言，生物学家容易使用而且速度还快。( I have always been searching for a high-level language that is fast and easy to use by biologists. )于是在这篇博客中，他评估了一些高级编程语言的处理速度，包括，C, Python, Javascript, LuaJ.

在如何用WGDI进行共线性分析(一), 我们基于blastp的结果绘制了点图，之后用 -icl 模块进行进行共线性分析，得到了 collinearity 结果 。后面就直接基于该文件开始计算ka/ks，然后绘制ks plot.但是，在那篇教程的时候，我其实还有一个问题，就是能不能直接根据 collinearity 结果绘制点图呢？在WGDI提供的流程示意图中，没有这一分支虽然自己写代码实现也不复杂，但是为了避免重复造轮子，我们使用了JCVI的图形模块绘制dotplotjcvi.graphcis.do

在如何在IGV上使用BLAT搜索非模式物种中，我们讨论如何用Apache的CGI服务器，来响应IGV发送的BLAT请求。考虑到我们大部分的时候都是个人使用，并不需要Apache这种重量级的Web服务器，因此完全可以省去这一组件。我之前学过Python和Django和Flask这两种网页应用框架，其中Flask比较轻量，非常适合我们这种小型应用。因此，我就用Flask编写了一个Blat网页应用，用来响应IGV的请求。首先，安装Flask（为了避免冲突，我用了虚拟环境)mkdir myprojectcd

IGV提供了BLAT，用于进行序列搜索，但可惜我一直用不上，因为它默认是调用了UCSC的CGI工具，将我们的输入序列发送到https://genome.ucsc.edu/cgi-bin/hgBlat处理，处理后返回JSON文件用于展示。因此，除非我们自己搭建一个UCSC类似的网站，否则，无法用到IGV的这个功能。我觉得肯定不只是我一个人有这个问题，所以我就去谷歌上用关键词 “custom genome BLAT IGV” 进行检索, 果然发现有很多人都有类似的需求，我找到最早一条是2016年，但是距今.

hifiasm是一个能有效利用PacBio HiFi测序技术，在分型组装图(pahsed assembly gprah)中可靠的表示单倍体信息的算法。流程介绍hifiasm的分析流程如下，主要分为3个阶段第一阶段：通过所有序列的相互比对，对前在测序错误进行纠正。如果一个位置只存在两种碱基类型，且每个碱基类型至少有3条read支持，那么这个位置会被当作杂合位点，否则，视作测序错误，将被纠正。第二阶段：根据序列之间的重叠关系，构建分型的字符串图(phased string graph)。其中调整朝向的序