生物信息学python常用脚本_生物信息学一些基本的常用软件有哪些？

7月28日更新 ：原链接失效了，已经更新。

上次回答的时候基因课的视频教程还是个人兴趣，业余时间录的，免费放到网上。

今年辞职全职做这个事情了，所以收费。只有收费才能保证内容精良和持续输出。每门课程也只有几十块钱。

收费的另一个原因是，很多同学没有 Linux 服务器，没法练习，我们为大家购买了云服务器供练习。

————————————————————————————

1. 基础语言

1.1 Linux

操作系统，是基础。

生物信息对Linux的要求其实并不高，并不是要做系统开发者或管理员，只需要会用就行。复制粘贴、处理数据、安装软件等。

软件安装绝对是一个大坑，很多时候信誓旦旦说下午要把数据分析完，结果半夜了软件还没装上，各种报错。

1.2 perl或python

处理个性化问题、软件之间的对接等。

这两门语言至少应该熟练掌握一门自己写程序用，另外一门要能看得懂。写点小脚本感觉差别不大，但是perl写大程序不合适。很多人认为python是趋势，但至少截止目前更多生信软件是用perl写的。

所以，如果刚开始学，建议主打python, 看懂perl。

python视频17年再录。

1.3 R

数据处理、统计、绘图、数据分析。

R语言的数据结构跟其他语言差异较大、而且总感觉语法比较散，不好记。但是R的软件包却异常强大。数据处理的reshape2, dplyr；绘图的ggplot2；还有Bioconductor里的几千个包。不得不会。

R自带的画图命令用起来感觉浑身难受，ggplot2是R的一个包，学会了感觉自己是艺术家

2 基本工具

2.1 数据过滤和质控

拿到测序数据之后，先看看数据质量咋样，把不合格的扔掉

质控软件fastqc

过滤软件Trimmomatic

测序数据过滤和质控学习视频链接,

不过写回答的时候还没有录完。

2.2 常用软件

太多了，比如blast，seqkit，MEGA等。

3 做什么

生物信息做的最多的就是基因组、转录组、重测序，每一类都有套路，每一步主流软件也就那么几个，没有太多选择

3.1 一个物种的基因组

基因组denovo的套路就是组装->注释->比较基因组分析->。。。

Genome assembly: SOAPdenovo, ALLPATH-LG等

Genome annotation: 结构注释推荐用maker,学习视频

注释完成之后，可以搭建个JBrowse基因组浏览器看看，后面分析也用得上，有精力可以做手工注释。

后面比较基因组内容很多，推荐一个工具MCScanX,能实现大部分基因组之间的比较。

3.2 重测序、变异检测、群体分析

重测序的套路是 测序reads比对到参考基因组->各种变异检测->。。。

DNA比对软件最主流的就是bwa, 比对完了生成一种叫sam/bam的比对格式,这个格式够你研究一下午的。

变异检测包括SNP、indel和结构变异SV，拷贝数变异CNV等。SNP和indel最主流的软件就是GATK，变异检测生成一种VCF的文件格式.

得到的VCF通常需要做一些处理，比如过滤掉质量低不可靠的变异位点。顺手的工具是vcftools。

完成变异检测之后，你可能想知道，这些变异都对基因功能产生了什么影响，这就是变异的注释。最主流的软件之一是SnpEff。

如果做的是群体重测序，要算一下PI，LD，Fst等，vcftools 也可以搞定。

3.3 多个样品的转录组

转录组是做的人最多，价格最最便宜，但其实也是信息分析最复杂的。为什么呢？因为转录组即包含了类似基因组denovo的拼接、类似重测序的比对和变异检测，而且分析起来更为复杂。

如果没有参考基因组，就需要进行拼接，应该95%以上的都是用trinity软件拼接得到转录本序列，然后使用bowtie2比对到转录本序列上的到sam格式比对文件。然后根据比对结果使用RSEM软件进行表达定量。

如果有参考基因组，直接使用 hisat2(替代tophat)或STAT将测序结果比对到基因组上，结合基因注释就可以计算出每个基因的表达。

拿到表达数据之后，最常做的是差异表达基因的鉴定。记住两款软件DESeq2和edgeR，根据一些测评文章，这两款是大多数情况下最靠谱的，cuffdiff哪些就不要用了。

暂时就写这么多吧。

推荐一个网站，生物信息软件大全啊，omictools