Next-Generation Sequencing Analysis Resources（自用%0）

Next-Generation Sequencing Analysis Resources
（高通量测序技术分析资源）

Pre-Requisites（基础要求）

• Intro to R (R简介)
• Introduction to Linux（Linux简介）
  • Linux Exercise（Linux训练）
  • Nano Tutorials（Linux编辑器 Nano教程）

NGS Sequencing Technology and File Formats
(高通量测序技术和文件格式)

• How Sequencing Works（测序流程）
• FastA Format
• FastQ Format
• Quality Scores
• SAM/BAM/CRAM Format
• BED Format
• VCF Format
• GFF3 Format

Alignment（序列比对）

• Trimming with Trimmomatic（修剪）

Visualization（可视化）

Variant Calling（变异识别）

• Pre-Processing（预处理）
• Variant Discovery（变异发现）

RNA-seq Analysis（RNA序列分析）

• Aligning RNA-seq data（RNA-seq数据比对）
• Introduction to R（R简介）
• DESeq（数据集）
• DESeq 2（数据集）
• Gene Set Enrichment Analysis with ClusterProfiler
  （使用ClusterProfiler进行基因集富集分析）
• Over-Representation Analysis with ClusterProfiler
  （使用ClusterProfiler进行过度表示分析 ）
• Salmon & kallisto: Rapid Transcript Quantification for RNA-Seq Data
  （Salmon＆Kallisto：RNA-Seq数据的快速转录本定量）
• Instructions to install R Modules on Dalma
  （在Dalma上安装R模块的说明）

HPC（高性能计算）

• Resources for editing files on the HPC （在HPC上编辑文件的资源）
  • Atom（Atom编辑器）
  • SSH Mounts（SSH挂载）
  • Neovim（Neovim编辑器）
• SLURM（Slurm是适用于大型和小型Linux群集的开源，容错且高度可扩展的群集管理和作业调度系统。）
• Modules
  （模块是在独立环境中一组一个或多个软件包的集合。 在本课程中，我们将介绍Dalma上可用的模块）
• Gencore Infrastructure
  （Gencore基础架构：Gencore模块系统设计为可组合，可测试的，并具有与世界任何地方的任何研究人员共享的功能。）
  • Gencore Variant Detection Example （Gencore变异检测示例）
  • Software（软件）
    • HPCRunner（在整个HPC中成功分配工作流程）
    • BioX Workflow（创建可组合的科学工作流程）

ChipSeq analysis
（染色质免疫沉淀测序 （ChIP-sequencing，简称为ChIP-seq）是一种用于分析蛋白质与DNA交互作用的研究方法。该技术将染色质 免疫沉淀（ChIP）与大规模并行DNA测序结合起来以鉴定DNA与相关蛋白结合的部位，可用于精确定位任意感兴趣的蛋白在全基因组上的结合位点。在此之前，ChIP-on-chip是研究这些蛋白与DNA联系的最常用的技术。）

• CHiP-seq considerations

  （CHiP-seq注意事项）

  • Prerequisites, data summary and availability （前提条件，数据摘要和可用性）

• Deeptools2 bamCoverage

• Deeptools2 computeMatrix and plotHeatmap using BioSAILs

• Exercise part4 – Alternative approach in R to plot and visualize the
  data

De novo genome assembly

• Pre-processing and QC
• Exercise in de novo assembly
• Individual Commands

Single cell RNA sequencing

• Prerequisites
• Seurat part 1 – Loading the data
• Seurat part 2 – Cell QC
• Seurat part 3 – Data normalization and PCA
• Seurat part 4 – Cell clustering
• Loading your own data in Seurat & Reanalyze a different dataset

Metagenomics

• Quality Control
• Shotgun Metagenomics
  • Taxonomic Classification
  • Functional Analysis
• Deep Learning using Keras

BADAS

• Intro to Nextflow
• JBrowse: Visualizing Data Quickly & Easily
• Intro to ggplot
• Taking it further with ggplot
• Git and GitHub
• Seurat: Integration and Label Transfer
• Nextflow + Containerization
• Containerization with Docker
• Jupyter Notebook
• tidyverse
• Regular Expressions
• Customizing Your Unix Environment

网址：https://learn.gencore.bio.nyu.edu/