微课堂：MaxBin2——国家微生物科学数据中心云工具

最新推荐文章于 2023-12-16 06:00:00 发布
最新推荐文章于 2023-12-16 06:00:00 发布
阅读量1k 收藏 2
点赞数 1
文章标签： 大数据 编程语言 人工智能 数据分析 数据可视化
原文链接：https://mp.weixin.qq.com/s/5jQspEvH5_4Xmart22gjMA#rd
版权

国家微生物科学数据中心推出免费的全套在线视频教程——微课堂，对近百个微生物组学数据分析工具进行详细介绍和手把手教学。让您迅速上手使用国家微生物科学数据中心推出的一站式在线分析平台。

国家微生物科学数据中心一站式生物信息分析云平台可提供包括生物信息在线分析工具、计算资源、公共参考数据的整合在线服务。用户无需任何编程基础，无需配置Linux操作系统，无需安装复杂的生物信息分析软件，无需下载庞大的生物数据库，只需在图形化界面进行简单点击操作，就能一键搞定生物数据分析。并且每项分析都可以自定义分析参数，实现在鼠标点击之间即可在国家微生物科学数据中心进行在线生物信息数据分析，挖掘出准确、详细、专业的分析结果，让更多领域内科研人员能更快、更高效、更自主的完成交互分析。

      那么究竟如何快速使用这些分析工具进行线上数据分析呢，又在哪里能找到这些专业详细的分析工具教程视频和pdf版本使用说明呢，小编现在就带您一探究竟：

 · 1 · 

     首先进入国家微生物科学数据中心首页www.nmdc.cn，选择分析工具的入口按钮，进入分析工具界面。


 · 2 · 

在分析工具主界面，选择工具进行使用，这里以MaxBin2为例。

 · 3 · 

点击MaxBin2工具的查看详情按钮进到MaxBin2的工具详情页，链接地址：https://nmdc.cn/analyze/details?id=600679150b38496ee0c9093e

 · 4 · 

在MaxBin2工具详情页，用户可以看到使用帮助栏目的MaxBin2视频版使用教程和pdf版使用说明。点击MaxBin2使用教程可以直接观看在线视频教学。（MaxBin2视频课程链接：https://nmdc.cn/analyze/details/video?name=MaxBin2&type=analysis）

点击MaxBin2使用说明可以直接在线预览pdf页面并下载该说明存入本地。

     在国家微生物科学数据中心首页，点击微课堂查看更多，可以查看所有分析工具的视频教程。

微课堂中分析工具培训课程的链接地址：http://nmdc.cn/video

MaxBin2

工具介绍

     MaxBin2是宏基因组binning软件。（Binning：指把宏基因组中不同个体微生物序列分开，使得同一类序列聚集在一起的过程，其中常见的是同种菌株的序列聚类在一起。）

MaxBin2的参数：

MaxBin2的输出文件


 如在使用分析工具的过程中有任何相关问题请联系网站下方服务邮箱、QQ或电话咨询。服务邮箱：nmdc@im.ac.cn；服务QQ: 3415782117; 联系电话：010-64806052。

官网：www.nmdc.cn

地址：北京市朝阳区北辰西路一号院3号中国科学院微生物研究所

电话：010-64806052

邮箱：nmdc@im.ac.cn

Q Q：3415782117

猜你喜欢

10000+：菌群分析 宝宝与猫狗 梅毒狂想曲 提DNA发Nature Cell专刊 肠道指挥大脑

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

16S功能预测   PICRUSt  FAPROTAX  Bugbase Tax4Fun

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍未解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”

点击阅读原文，跳转最新文章目录阅读

刘永鑫Adam
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
maxbin2_checkm_slurm_illumina:在DSMZ中进行元基因组合并的Slurm工作流程
03-18
maxbin2_checkm_slurm_illumina Slurm工作流程，用于DSMZ中的元基因组合并。此脚本依赖于Slurm调度程序来协调计算机资源。它汇集了几种生物信息学工具，并且在中间增加了重要的一步：过滤引物二聚体（“鲤鱼”序列）。 先决条件 饮 镰刀 梅加希特 Maxbin2 领结2 Samtools MetaBat2 编造 Checkm DAS工具 所有特定于管道的工具都已经安装在DSMZ的“合并”环境中。要使用合并环境。在您的〜/ .condarc中添加以下两行 envs_dirs: - /opt/hpcopt/sixing/anaconda3/envs 您可能需要重新启动终端才能继续。 然后测试环境是否可用，通过在终端中发出以下命令来激活“ binning”环境 conda activate binning 正在安装 请编译并将其添加到路径中。 脚本无需安
CheckM——国家微生物科学数据中心云工具
刘永鑫的博客——宏基因组公众号
02-19 4191
国家微生物数据中心推出免费的全套在线视频教程——微课堂，对近百个微生物组学数据分析工具进行详细介绍和手把手教学。让你迅速上手使用国家微生物科学数据中心推出的一站式在线分析平台。...
Checkm安装使用教程
weixin_44833976的博客
04-28 2020
搜对应的包，选择对应的版本，找到对应的命令，如下图；数据要不下载之后运行会报文件找不到的错误。
宏基因组Bin及后续分析的具体步骤（十分详细，手把手教会）
Nusery的博客
09-01 4963
详细的BINNING流程和思路
MetaGEM——构建基于基因组的代谢模型GEM
qq_44940977的博客
01-01 4104
MetaGEM——构建基于基因组的代谢模型GEM
MaxBin:自动分类宏基因组学序列的工具-开源
04-29
MaxBin是一种基于Expectation-... MaxBin已发表在微生物学杂志上（2:26）！ 如果您在工作中使用MaxBin，请引用Microbiome论文。 可以在MaxBin官方网站上找到更多信息：http://downloads.jbei.org/data/MaxBin.html以
MetagenomeProcessing：测序后对元基因组进行组装，注释和分类的管道
03-03
R1.fastq.gz R2.fastq.gz依存关系FastQC v0.11.8 cutadapt v2.3 MEGAHIT v1.1.3 宝卡v1.14.5 钻石v0.9.22.123 eggNOG-mapper v2和eggNOG数据库v5.0 KRAKEN2 v2.0.8 MaxBin v2.2.6第1步：质量控制和修整为了进行质量...
宏基因组实战8. 分箱宏基因组binning, MqaxBin, MetaBin, VizBin
热门推荐
刘永鑫的博客——宏基因组公众号
11-21 1万+
前情提要如果您在学习本教程中存在困难，可能因为缺少背景知识，建议先阅读本系统前期文章 宏基因组分析理论教程 微生物组入门圣经+宏基因组分析实操课程 1背景知识-Shell入门与本地blast实战 2数据质控fastqc, Trimmomatic, MultiQC, khmer 3组装拼接MEGAHIT和评估quast 4基因注释Prokka 5基于Kmer比较数据集sourmash 5基于Kmer比
宏基因组分箱 (Binning)分析流程，赠送代码和练习数据
刘永鑫的博客——宏基因组公众号
03-17 1791
生科云网址：https://www.bioincloud.tech只做宏基因组太单调？为什么不试试宏基因组Binning呢？宏基因组Binning宏基因组分箱（Binning）是将宏基因组测序得到的混合了不同微生物的序列reads或序列组装得到的contigs或scaffolds按物种分开归类的过程。这些分开归类的序列被称为宏基因组组装基因组（metagenome-assembled genome...
metawrap宏基因组数据处理流程（亲测有用）
hac_kill_you的博客
02-12 3801
MetaWRAP旨在成为一个易于使用的宏基因组数据分析软件包，从头到尾完成宏基因组分析的核心任务：序列质量控制、组装、可视化、分类分析、提取基因组草图（又称分箱binning）和功能注释。此外，metaWRAP将bin提取和分析提升到了一个新的层次（参见下面的模块概述）。虽然没有简单的最佳方法来处理宏基因组数据，但在深入研究分析参数之前，metaWRAP是一种快速而简单的方法。MetaWRAP可应用于多种环境，包括肠道、水和土壤微生物组（详情请参阅MetaWRAP手册）
CheckM-Options-zn
cling5899的博客
04-20 2644
CheckM的GitHub官网 CheckM英文帮助文档 参考链接 CheckM (宏)基因组质量评估 国家微生物科学数据中心-CheckM使用说明内有视频及PDF讲解，还可线上测试。 Background CheckM首先基于完整的已测序细菌基因组作为参考基因组，构建基因组的进化树，构建每个谱系（可以理解为一类物种）的单拷贝基因集（管家基因）（single copy genes，SCGs，为什么是单拷贝？因为这样可以开展基因组混合程度、污染程度等的评估）。在使用时，将我们的Bin与参考基因组一.
宏基因组分箱CheckM评估结果的提取
Emmett Diary
05-16 3698
CheckM结果转化为易整理的表格形式
基于BWA，Bowtie2，Salmon和SAMtools、checkm等工具计算宏基因组学序列分析中Contigs与Genes在样品中的丰度，多种计算方式和脚本对比（20231217更新）
最新发布
zrc_xiaoguo的博客
12-16 2392
计算contigs的丰度一般使用assembly的结果，计算基因风度时一般用prodigal的结果，prodigal结果中建议同时输出蛋白序列和核酸序列文件，基因注释是一般使用diamond需要使用蛋白序列，而这里计算丰度需要与原始核酸序列进行比对，所以这里要用核酸序列，prodigal输出的核酸序列和蛋白序列id一样，所以只需要最后以序列id进行mapping就可以了。
XGBoost，RandomForest，LightGBM的模型参数解释与代码示例
Briwisdom的博客
04-07 2012
目录 一、XGBoost参数解释 1.通用参数 2.Booster参数 3.学习目标参数 二、XGBoost调参示例 三、LightGBM参数解释 1.核心参数 2.学习控制参数 3.度量函数 四、LightGBM调参示例 五、XGBoost和LightGBM调参核心 调参方向：处理过拟合（过拟合和准确率往往相反） 调参范围 六、RandomForest参数解释 1....
Megahit, metaSPAdes, metabat2, GTDB-tk, checkM
weixin_62886938的博客
08-08 2471
生信软件学习笔记
MetaWrap流程
Neptuneyut的博客
12-09 2185
文章目录BENCHMARKING METHODSMetaWRAP-Read_qcMetaWRAP-AssemblyMetaWRAP-Kraken BENCHMARKING METHODS CAMI binning benchmarking https://github.com/bxlab/metawrap_paper/blob/master/running_metawrap_on_cami_data_commands.sh contains the commands used for this anal
Nature子刊：宏基因组中挖掘原核基因组的分析流程
刘永鑫的博客——宏基因组公众号
06-22 7102
宏基因组中挖掘原核基因组的分析流程从宿主相关的短读长鸟枪宏基因组测序数据中恢复原核基因组Recovering prokaryotic genomes from host-associate...
基于被动时反的 ac-MVDR 水下声源定位matlab代码
05-24
以下是基于被动时反的 ac-MVDR 水下声源定位的 MATLAB 代码： ```matlab % 定义声源位置（以米为单位） sourcePos = [10, 20]; % 定义阵列位置（以米为单位） arrayPos = [0, 0; 0, 1; 0, 2; 0, 3]; % 定义声速（以米/秒为单位） c = 1500; % 定义采样率（以Hz为单位） fs = 8000; % 定义信号时长（以秒为单位） duration = 5; % 生成接收到的声音信号 [samples, t] = generateSignal(sourcePos, arrayPos, c, fs, duration); % 计算声源定位 estimatedPos = acmvdr(samples, arrayPos, c, fs); % 输出结果 disp(['Estimated source position: ', num2str(estimatedPos(1)), ', ', num2str(estimatedPos(2))]); function [samples, t] = generateSignal(sourcePos, arrayPos, c, fs, duration) % 计算声源到阵列各个麦克风的距离 distances = sqrt(sum((arrayPos - sourcePos).^2, 2)); % 计算每个麦克风接收到的信号时延 delays = distances / c; % 生成目标声源信号 sourceDuration = 2; sourceSamples = generateSource(sourceDuration, fs); % 生成每个麦克风接收到的信号 samples = zeros(length(arrayPos), duration * fs); for i = 1:length(arrayPos) micDelay = delays(i); micSamples = generateMic(fs, duration, micDelay, sourceSamples); samples(i,:) = micSamples; end % 计算时间轴 t = linspace(0, duration, duration * fs); end function sourceSamples = generateSource(duration, fs) % 生成正弦波信号 frequency = 1000; amplitude = 1; t = linspace(0, duration, duration * fs); sourceSamples = amplitude * sin(2 * pi * frequency * t); end function micSamples = generateMic(fs, duration, delay, sourceSamples) % 计算时延对应的样点数 delaySamples = round(delay * fs); % 延迟声源信号 delayedSource = [zeros(1, delaySamples), sourceSamples(1:end-delaySamples)]; % 生成噪声信号 noiseAmplitude = 0.1; noiseSamples = noiseAmplitude * randn(1, duration * fs); % 合成最终的接收到的信号 micSamples = delayedSource + noiseSamples; end function estimatedPos = acmvdr(samples, arrayPos, c, fs) % 计算阵列中心位置 arrayCenter = mean(arrayPos, 1); % 计算阵列中心到各个麦克风的距离 distances = sqrt(sum((arrayPos - arrayCenter).^2, 2)); % 计算阵列直径 arrayDiameter = max(distances) * 2; % 计算声源到阵列中心的距离 sourceDist = sqrt(sum((arrayCenter - sourcePos).^2)); % 计算声源距离阵列的方向 sourceDir = (sourcePos - arrayCenter) / sourceDist; % 计算波长 wavelength = c / fs; % 计算阵列中心处的声波到达时间 centerTime = sourceDist / c; % 计算接收到的信号的时间戳 timeStamps = centerTime - distances / c; % 对信号进行STFT windowLength = round(arrayDiameter / wavelength); [S, F, T] = spectrogram(samples(1,:), windowLength, 0, [], fs); nBins = length(F); nFrames = length(T); % 计算空间谱 spatialSpectrum = zeros(nBins, nFrames); for i = 1:nFrames frame = samples(:, (i-1)*windowLength+1:i*windowLength); frameSpectrum = fft(frame, [], 2); frameSpectrum = frameSpectrum(:, 1:nBins); R = frameSpectrum * frameSpectrum' / windowLength; W = steeringVector(F, arrayPos, sourceDir, c); spatialSpectrum(:, i) = acmvdrSpectrum(R, W); end % 计算声源位置 [maxSpatialSpectrum, maxBin] = max(spatialSpectrum(:)); [maxBinIndex, maxFrameIndex] = ind2sub([nBins, nFrames], maxBin); maxFrequency = F(maxBinIndex); estimatedDelay = timeStamps(maxFrameIndex); estimatedPos = arrayCenter + estimatedDelay * c * sourceDir; end function W = steeringVector(frequencies, arrayPos, sourceDir, c) % 计算波长 wavelengths = c ./ frequencies; % 计算到声源的距离 distances = sum((arrayPos - sourcePos).^2, 2).^(1/2); % 计算相位差 phaseDifference = 2 * pi * distances ./ wavelengths; % 计算方向向量 nMics = size(arrayPos, 1); W = zeros(nMics, length(frequencies)); for i = 1:nMics W(i,:) = exp(-1i * phaseDifference * dot(sourceDir, (arrayPos(i,:) - sourcePos)) / distances(i)); end end function spectrum = acmvdrSpectrum(R, W) % 计算噪声协方差矩阵 Rn = R - trace(R) / size(R, 1) * eye(size(R, 1)); % 计算权重向量 Wopt = inv(Rn) * W / (W' * inv(Rn) * W); % 计算空间谱 spectrum = 1 ./ (Wopt' * R * Wopt); end ``` 代码中使用了以下几个辅助函数： - `generateSignal`：生成接收到的声音信号。 - `generateSource`：生成目标声源信号。 - `generateMic`：生成每个麦克风接收到的信号。 - `acmvdr`：计算声源定位。 - `steeringVector`：计算阵列的指向向量。 - `acmvdrSpectrum`：计算空间谱。 请注意，这个代码只是一个简单的演示，可能无法处理真实世界的复杂场景。如果您需要更精确的结果，请参考相关文献，并使用更复杂的算法。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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