如何识别链特异性文库是正链还是负链建库？

最新推荐文章于 2024-10-01 22:54:40 发布
最新推荐文章于 2024-10-01 22:54:40 发布
阅读量275 收藏
点赞数 3
分类专栏： shell 文章标签： linux
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44231554/article/details/140732652
版权

1、Samtools 和 Bedtools：这些工具可以提取 SAM/BAM 文件中每个读数的链信息。flagstat 或 view 命令可以用来检查特定链上对齐的读数数量。例如：

samtools view -c -f 16 input.bam  # 负链
samtools view -c -F 16 input.bam  # 正链

2、统计分析

统计所有读数中正链和负链的比例。如果一个链上的读数明显多于另一个链，则数据可能是特异性对该链的。例如，如果大多数的读数对齐到正链，则数据可能是正链特异性的。

不懂python不懂R
关注
专栏目录
对链特异性建库的理解
sixu_9days的博客
07-27 1万+
刚接触高通量测序的时候就知道有链特异性建库这么个概念，当时也了解可以利用加U法，但是没有思考其中的细节。最近把这个概念掰开了揉碎了好好理解，终于填上了这个坑。 正式讲之前，有几个概念是要明确的。 DNA 的正链和负链，就是那两条反向互补的链。参考基因组给出的那个链就是所谓的正链（forword），另一条链是反链（reverse）。但是这正反一定不能和正义链（sense strand）反义链（a...
生信小白学习日记Day2——NGS基础 illumina高通量测序原理
热门推荐
weixin_42953727的博客
05-26 1万+
2019年5月26日，周日，小雨 说明：阅读生信宝典和查阅文章的总结，原文请关注公众号生信宝典，参考的博文都附有链接，仅供参考。 生信宝典 NGS基础——高通量测序原理 本文介绍了测序文库构建原理、链特异性文库构建方式和识别方法、测序簇生成过程、双端测序过程、测序接头产生、PCR duplicate、测序通量选择标准等。原文都是一张张PPT，截图下来之后，附一些自己理解的注释吧 以目前最常用的il...
37、链特异建库
weixin_30622181的博客
11-21 1052
参考文献：http://www.jianshu.com/p/a63595a41bed http://kaopubear.top/categories/ ####生物信息和编程 RNA-seq基本流程 下图是一个大概的RNA-seq基本流程 把RNA破碎成小片段，然后将RNA转变成一条cD...
链特异性建库方式
wangprince2017
02-22 1644
你好就是关于建库测序存在疑问，我看网上有一种链特异性建库，把cDNA第二链降解然后扩增，那扩增过程中不就又有二链了吗，怎么知道的方向性？ 链特异性建库方式（以目前最常用的dUTP为例，如下图所示） 首先利用随机引物合成RNA的一条cDNA链， 在合成第二条链的时候用dUTP代替dTTP，加adaptor后用UDGase处理，将有U的第二条cDNA降解掉。 ...
2021.12.13【读书笔记】|对链特异性建库的理解
12-13 2825
刚接触高通量测序的时候就知道有链特异性建库这么个概念，当时也了解可以利用加U法，但是没有思考其中的细节。最近把这个概念掰开了揉碎了好好理解，终于填上了这个坑。 正式讲之前，有几个概念是要明确的。 DNA 的正链和负链，就是那两条反向互补的链。参考基因组给出的那个链就是所谓的正链（forword），另一条链是反链（reverse）。但是这正反一定不能和正义链（sense strand）反义链（antisense strand）混淆。 正义链（sense strand）：两条互补的DNA链其中一条携带编码
一文搞懂RNA-seq的链特异性测序和非链特异性测序
公众号/简说基因，知乎/简宝玉
01-31 2153
RNA-seq 实验构建文库时，可以构建非链特异性文库和链特异性文库：非链特异性文库：无法区分打碎的片段转录自正义链还是反义链。链特异性文库：建库时保留了转录本的方向信息用以区分转录本来源，避免互补链干扰。1. 测序方法两种建库方法对应两种测序方法：非链特异性测序方法（non-stranded RNA-seq protocol）：得到的reads没有方向性，无法判断reads是属于Gene A还是...
流行性乙型脑炎PPT课件.ppt
08-30
实验室检查中，血象白细胞计数升高，脑脊液压力正常或稍高，糖和氯化物正常，蛋白质轻度增加，细胞数增多以淋巴细胞为主，以及病毒特异性抗体检测等。 治疗乙型脑炎主要包括对症和支持疗法，如降温、镇静、抗惊厥、...
陀螺产业区块链第十五季 | 博雅正链RegChain
陀螺财经
07-22 256
区块链，一种由多方共同维护、分布式储存的记账技术，可通过信任机制的重构拓宽协作关系的纵深度，在推动产业变革、创建数字经济等方面有着关键作用。目前，在全球范围内，已有多个国家政府表明将积极发...
数字图像处理学：第10章 模式识别的理论与方法（第10-5讲）.ppt
09-17
这样可以确定最小的错误转换次数，并最终恢复出正确的链`x`，即`y`的误差校正链。 这些方法在实际应用中，如图像识别、自然语言处理等，对于处理模糊数据和噪声非常有用。它们提供了一套基础理论，帮助我们构建更...
链特异性转录组测序
weixin_30951743的博客
10-19 1057
链特异性转录组测序 非链特异性转录组测序信息不包含链方向的特征信息，对正义和反义转录本无法准确判断，导致无法反映真实的转录情况。而链特异性转录组测序（strand-specific RNA seq）可以解决这个问题。链特异性建库的方式是在合成cDNA的第二条链时，用dUTP替换dTTP。待链合成后，再用USER酶降解cDNA的第二条链并再次进行PCR扩增，完成文库的制备。运用这种方法...
链特异性转录组
浮生终有醒
10-14 3614
实验原理： 信息分析方法 trinity有该分析比对流程，下面博主就不用多说了吧，分析方法基本一致，只不过拆开了再玩的节奏~~~不过比对的时候有个问题链方向性的问题，解决方案如下：
Linux 再入门整理：详解 /etc/fstab 文件
最新发布
一只奋斗的猪
10-01 1210
`/etc/fstab` 文件是 Linux 系统中用于定义和管理文件系统的挂载信息的配置文件。它的作用是告诉系统在启动时，应该如何自动挂载各种文件系统。挂载是 Linux 操作系统中一种将存储设备与目录树关联的操作。通过挂载，存储设备中的文件可以通过目录访问。
linux 网络序
CodeHouse的博客
09-30 476
在将ip字符串转网络序存储时。根据整形二进制显示判断。
在 Kali Linux 中安装 Impacket
weixin_44023460的博客
09-30 359
在安装 Impacket 之前，你需要确保安装了 Python 和一些必要的依赖。通常，Kali 已经预装了 Python。步骤 3：克隆 Impacket 仓库。步骤 4：进入 Impacket 目录。如果你看到帮助信息，说明安装成功。步骤 5：安装 Impacket。
Linux的基本指令（2）
shylyly_的博客
10-01 1007
Linux的基本指令（2） man nano cp mv which 自制指令 alias echo cat tac > >> < more less head tail |（管道）
WT_CpG.txt记录了小鼠基因组上一些CpG位点的甲基化水平，启动子区域可以定义为转录起始位点上下游各2kb，位于正链的基因其转录起始位点为基因的第一个bp，位于负链的基因其转录起始位点为基因的最后一个bp。输出mm9.main.refGene.txt中启动子区域甲基化水平最高的前十个基因。（mean[∑freqC/(freqC+freqT)]，不区分正负链）
05-16
首先，我们需要将WT_CpG.txt文件中的数据读入并处理。可以使用以下代码： ```python # 读入WT_CpG.txt文件 with open('WT_CpG.txt', 'r') as f: lines = f.readlines()[1:] # 跳过第一行的表头 data = [line.strip().split() for line in lines] # 将每行数据按空格分割并去掉换行符 # 将每个CpG位点的甲基化水平转换为浮点型 for i in range(len(data)): data[i][3] = float(data[i][3]) # 将数据按基因名和转录起始位点排序 data.sort(key=lambda x: (x[0], int(x[1]))) # 定义函数计算启动子区域的甲基化水平 def calc_mean_methylation(data, gene, start, end): total_freqC = 0 # 统计所有C的出现次数 total_freqT = 0 # 统计所有T的出现次数 for i in range(len(data)): if data[i][0] == gene and int(data[i][1]) >= start and int(data[i][1]) <= end: freqC = data[i][3] # C的出现次数就是该位点的甲基化水平 freqT = 1 - freqC # T的出现次数等于1减去C的出现次数 total_freqC += freqC total_freqT += freqT mean_methylation = total_freqC / (total_freqC + total_freqT) # 计算平均甲基化水平 return mean_methylation ``` 接下来，我们需要读入mm9.main.refGene.txt文件，并对每个基因的启动子区域进行甲基化水平计算。可以使用以下代码： ```python # 读入mm9.main.refGene.txt文件 with open('mm9.main.refGene.txt', 'r') as f: lines = f.readlines()[1:] # 跳过第一行的表头 refGene = [line.strip().split('\t') for line in lines] # 将每行数据按制表符分割并去掉换行符 # 对每个基因的启动子区域进行甲基化水平计算 result = [] for gene in set([x[12] for x in refGene]): # 遍历所有基因 for strand in ['+', '-']: # 分别处理正链和负链 starts = [int(x[4]) for x in refGene if x[12] == gene and x[3] == strand] # 所有转录起始位点的位置 if not starts: # 如果该基因没有该链上的转录本，则跳过 continue if strand == '+': start = starts[0] - 2000 # 启动子区域起始位置 end = starts[0] + 2000 # 启动子区域结束位置 else: start = starts[-1] - 2000 # 启动子区域起始位置 end = starts[-1] + 2000 # 启动子区域结束位置 mean_methylation = calc_mean_methylation(data, gene, start, end) # 计算平均甲基化水平 result.append((gene, strand, mean_methylation)) # 按甲基化水平从高到低排序并输出前十个基因 result.sort(key=lambda x: x[2], reverse=True) for i in range(10): print(result[i][0], result[i][1], result[i][2]) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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