点滴生信的博客

比对分析bwabwa mem -t 6 -k 32 -M -R "@RG\tID:saample\tLB:sample\tSM:sample" fa fq_R1.fq.gz fq_R2.fq.gz |samtools view -b -S ->sample.bam# bwa index进行基因组建index排序，因为后续处理都需要按照基因组顺序进行排序samtools sort bam > out.bam进行捕获数据的提取和统计samtools view -@

标记过滤指标概念miss 缺失率，即标记缺失的比例 一般过滤0.1或者0.2；对于简化基因组的也有进行0.5的过滤的，看具体需求了maf 最小等位基因频率 一般过滤0.05或者0.01DP 深度，reads支持数 这个要根据具体测序的情况最好过滤到4，7，10以上，然后对于深度高于平均深度3-5倍的，尽量也进行过滤，因为大概率是重复区域的情况GQ 基因型质量值 一般gatk过滤30，samtools过滤20AD ref，alt基因型情况 如果是动植物这种germline的变异一般要求比例不要太失

STRUCTURE分析三款软件比较三篇高引用文章2005-STRUCTURE【1】 把选k值写的很清楚 2020/5/16 引用13119这篇文章发表的时候二代测序还没兴起，ssr等的标记数量有限，计算机的性能也有限，是一个即有windows版又有linux版的软件因为其开发时的应用场景，这个软件在几千以内的标记时运行还是可以接受的，但是现在动辄几百万标记的全基因组重测序的动植物数据来说，时间消耗是非常巨大的这篇文章的正文详细讨论了最优k值的选择的问题，感觉这个还是很有用的最优

fa基因组文件，记录每条染色体或者contig的序列信息samtools faidx 后面跟fa文件，可以对其进行建立fai文件及基因的索引文件>1 dna:chromosome chromosome:AGPv4:1:1:307041717:1 REFTTTTCGACAAAAATGGGGTTGTGTGGCCATTGATCATCGACCAGAGGCTCATACACCTCACCCCACATATGTTTCCTTGCCATAGATCACATTCTTGGATTTCTGGTGGAGACCATTTCT

Python 学习笔记-1写在最前面，因为组内小伙伴要走，生信团队由原来的7个人，慢慢的变的只有我一个人了，需要紧急突击下python，因为有python的流程要交接维护python 基本情况代码块的结构使用缩进进行区分，这下倒是不用担心忘记末尾的结束标志“；”了；但是引入了一个小问题，更改复杂代码时，结构调整的问题面向对象编程，强调代码的复用行和跨脚本的调用丰富的资源库是个保障...

群体进化-gwas分析群体进化基础分析PCA分析原理PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。PCA的工作就是从原始的空间中顺序地找一组相互正交的坐标轴，新的坐标轴的选择与数据本身是密...

二代测序基础知识二代测序基础概念（这个是与二代测序相关每个部门都要掌握的）FQ数据格式高通量测序(如Illumina HiSeqTM/MiseqTM)得到的原始图像数据文件经CASAVA碱基识别(Base Calling)分析转化为原始测序序列（Sequenced Reads），我们称之为 Raw Data或Raw Reads，结果以 FASTQ (简称为fq)文件格式存储，其中包含测序...