CD-HIT去除冗余序列

最新推荐文章于 2024-03-03 23:14:57 发布
VIP文章 最新推荐文章于 2024-03-03 23:14:57 发布
阅读量8.4k 收藏 40
点赞数 1
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/xiaobai1_1/article/details/103439756
版权

1、简介

CD-HIT是用于蛋白质序列或核酸序列聚类的工具，根据序列的相似度对序列进行聚类以去除冗余的序列，一般用于构建非冗余的数据集用于后续的实验分析。
基本思路是首先对所有序列按照其长度进行排序，然后从最长的序列开始，形成第一个序列类，然后依次对序列进行处理，如果新的序列与已有的序列类的代表序列的相似性在cutoff以上则把该序列加到该序列类中，否则形成新的序列类。

2. 下载与安装

cd-hit下载网址为https://github.com/weizhongli/cdhit/archive/V4.6.2.tar.gz，需要在linux系统（如果你的电脑是Windows的，可以装一个虚拟机，并安装Linux系统 http://c.biancheng.net/view/714.html）下操作。解压压缩包
在这里插入图片描述
进入软件所在路径直接输入命令：make，进行编译即可。

最低0.47元/天 解锁文章
xiaobai1_1
关注
  • 1
    点赞
  • 踩
  • 40
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
CD-HIT的使用
一名学术waste的note pro
02-16 1万+
继续我的生信笔记系列。从某网站的附带文献中读到该工具，搜索了一下，发现网上的大佬们都在讲如何用它去冗余，相对官方页面的介绍而言很是片面，于是刚好有聚类的需求的我准备对其全体功能做做实验，学习一下由李伟忠博士在伯纳姆研究所（现为桑福德伯纳姆医学研究所）亚当·戈兹克博士的实验室开发的牛工具。 首先是官方介绍： CD-HIT是一个非常广泛使用的程序，用于蛋白质或核苷酸序列的聚类和比较。最初由李伟忠博士在伯纳姆研究所（现为桑福德伯纳姆医学研究所）亚当·戈兹克博士的实验室开发，CD-HIT速度非常快，可以处理非常
cd-hit 去除冗余序列
最新发布
sunxiaolinlinx的博客
03-13 922
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考提示：这里对文章进行总结：例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
CD-Hit 生信 碱基序列去除冗余的方法
oyoli的博客
10-15 4835
1.CD-Hit介绍 官方介绍： CD-HIT是一个非常广泛使用的程序，用于蛋白质或核苷酸序列的聚类和比较。最初由李伟忠博士在伯纳姆研究所（现为桑福德伯纳姆医学研究所）亚当·戈兹克博士的实验室开发，CD-HIT速度非常快，可以处理非常大的数据库。有助于显著减少许多序列分析任务中的计算和手动工作，并有助于理解数据结构和纠正数据集中的偏差。CD-HIT包有CD-HIT、CD-HIT-2D、CD-HIT-EST、CD-HIT-EST-2D、CD-HIT-454、CD-HIT-PARA、PSI-CD-HIT、C
28、cd-hit去除冗余序列
weixin_38169769的博客
08-23 864
转载：http://blog.sina.com.cn/s/blog_670445240101nidy.html 网址：http://cd-hit.org ；http://www.bioinformatics.org/cd-hit/ ； 下载：http://www.bioinformatics.org/cd-hit/ CD-HIT 去冗余，也可以叫做相似序列的聚类...
教程 | 如何用cd-hit去除冗余序列？
热门推荐
ypfzhao
11-07 3万+
0.简介  生信分析中经常要根据指定条件查找相似序列，比如构建多个样品间的非冗余基因集、分析样品间的相似程度等等，cd-hit这款软件就可以用较短的时间解决此类问题，可以对单个数据集进行去冗余，包括DNA/RNA序列和蛋白序列，也可以对两个数据集进行比较。其工作原理可概述为：将所有序列按照参数设定进行聚类，并将每一组聚类中的最长序列作为代表序列进行输出，同时给出每组聚类下的每个序列名可供相似度分...
psi-cd-hit脚本
01-06
psi-cd-hit用于低于40%相似性的序列聚类,是直接从github上拷贝过来的代码哈，大家也可以直接去github上下载就行。
使用cd-hit对核酸序列或氨基酸序列聚类
keepaware的博客
08-11 7653
cd-hit是一款用于蛋白质或者核酸序列聚类的工具，由 Dr. Weizhong Li开发，其能够很快速地对某些具有一定相似性的序列进行聚类，是现在很常用的生物信息学工具。
cd-hit 去冗余
rojyang的博客
11-01 7614
下载：http://www.bioinformatics.org/cd-hit/ 背景：生信分析中经常要根据指定条件查找相似序列，比如构建多个样品间的非冗余基因集、分析样品间的相似程度。 cd-hit 去冗余，也可以叫做相似序列的聚类 工作原理可概述为：将所有序列按照参数设定进行聚类，并将每一组聚类中的最长序列作为代表序列进行输出，同时给出每组聚类下的每个序列名可供相似度分析使用。其中设定阈...
cd-hit：进行序列去冗余
m0_53945548的博客
04-18 1122
在base里面用conda安装，方便。
cd-hit安装与使用-cd-hit v4.8.1（bioinfomatics tools-005）
weixin_44874487的博客
03-03 1672
CD-HIT (Cluster Database at High Identity with Tolerance) 是一种广泛使用的生物信息学工具，主要用于快速聚类生物序列数据，如蛋白质或核酸序列，以减少数据冗余和简化数据分析。其基本原理涉及比较序列之间的相似性，将高度相似的序列分组到同一个聚类中，从而减少数据集的复杂性。
cd-hit-user-guide.pdf 学习cd-hit新手必备！
12-10
cd-hit是非常快速的、是中国人（Weizhong Li）写的，很好用，最大的特点就是快。基本思路是首先对所有序列按照其长度进行排序，然后从最长的序列开始，形成第一个序列类，然后依次对序列进行处理，如果新的序列与已有的序列类的代表序列的相似性在cutoff以上则把该序列加到该序列类中，否则形成新的序列类。 指导学习cd-hit
CD-HIT-Filter:用于根据每个簇的最小读取数过滤由 CD-HIT 创建的簇的脚本
06-20
CD-HIT-过滤器 用于根据每个集群的最小读取数过滤由 CD-HIT 创建的集群的脚本。
CDHITtoFASTA:提取包含参考蛋白的CD-Hit簇并将其以FASTA格式存储
05-20
菲仕达 提取包含参考蛋白的CD-Hit簇并将其以FASTA格式存储。 CD-HIT是用于对生物序列进行聚类以减少序列冗余并改善其他序列分析性能的广泛使用的程序。 CD-HIT最初被开发为对蛋白质序列进行聚类以创建冗余度降低的参考数据库，然后被扩展为支持聚类核苷酸序列并比较两个数据集。 CD-Hit还可以用于对序列进行聚类并输出一个聚类文件（扩展名.clstr），其中包含来自输​​入FASTA文件的聚类序列的部分。 CDHITtoFASTA使用此群集文件通过从CD-Hit找到要与参考序列进行群集的文件中提取序列来过滤输入的FASTA文件。 命令行界面概述 $ python ~/PATH_TO_DIR/CDHITtoFASTA -h usage: CDHITtoFASTA [-h] [-i CLUSTER] [-s FASTA] [-r LIST] Extracts CD-Hit cl
Ragdoll - Hit Reaction Manager 2.0
10-18
Ragdoll - Hit Reaction Manager 2.0 需要的拿走，版权归原作者所有，重在分享与使用
序列去冗余_tine_location.py
05-14
输入格式为fasta类型的序列文件。序列名字要用制定的分隔符，标注好时间和地点信息。 本脚本程序由python编写，可以滤除掉序列文件中相同的DNA信息相同时间信息的序列。只保留时间地点序列至少有一个不一样的序列
安装生物序列去冗余软件cd-hit
javafalcon的专栏
10-12 2984
cd-hit是一款生信常用于序列去冗余的工具，在https://github.com/weizhongli/cdhit下载后，需要自己编译，对于windows系统，工作步骤如下（以下以windows 10下安装为例）： 1. https://github.com/weizhongli/cdhit/releases下载cd-hit-v4.8.1-2019-0228.tar，解压得到文件夹：cd-hit-v4.8.1-2019-0228 2.下载cygwin，并安装 3.在安装cygwin时，勾选gcc-
CD-HIT
纸上得来终觉浅，绝知此事要躬行！
04-21 1911
文章目录CD-HITref介绍算法原理索引表Short word filter短词统计Banded alignment算法限制PSI-CD-HIT在线服务器离线安装使用方式常用示例Gclust CD-HIT CD-HIT is a very widely used program for clustering and comparing protein or nucleotide sequences. 主要用于基因序列根据阈值去重 ref 官方： CD-HIT 官网 github CD-HIT cdhi
cd-hit linux,使用cd-hit对蛋白质或核酸序列进行聚类
weixin_33603105的博客
05-16 1155
2018.9.7 星期四 多云 biolearncd-hit 是用于蛋白质序列或核酸序列聚类的工具，根据序列的相似度对序列进行聚类以去除冗余的序列，一般用于构建非冗余的数据集用于后续的实验分析。cd-hit聚类算法通常来说，根据序列相似度对序列进行聚类，首先想到的可能是通过计算两两序列之间的相似度对序列进行聚类，这样需要进行all by all的比较，相对来说比较费时，而 cd-hit 软件...
ubuntu使用cd-hit
05-28
cd-hit 是一个用于聚类大规模生物序列的软件。以下是使用 cd-hit 进行聚类的基本步骤： 1. 准备输入序列文件：cd-hit 支持多种序列格式，例如 FASTA、FASTQ、GenBank。你需要准备一个包含待聚类序列的输入文件。 2. 运行 cd-hit：使用以下命令运行 cd-hit： ``` cd-hit -i input.fasta -o output.fasta -c 0.9 -n 5 ``` 其中，`input.fasta` 是输入文件名，`output.fasta` 是输出文件名，`0.9` 是聚类阈值，`5` 是 Word 长度。你可以根据需要调整这些参数。 3. 解析输出文件：cd-hit 输出的聚类结果是一个包含多个序列的 FASTA 文件，每个聚类的代表序列在文件中只出现一次，其它序列则作为该聚类的成员。你可以使用一些工具（例如 cd-hit 自带的 `cd-hit-est-2d`）来解析这个输出文件，提取聚类代表序列和成员序列。 这些是使用 cd-hit 进行聚类的大致步骤。如果你遇到了问题，可以告诉我具体的错误信息，我可以帮助你解决。

“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 4
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