《黑神话：悟空》自8月20日全球上线以来，以其震撼的视觉效果和深刻的游戏体验，迅速成为现象级作品。这款游戏不仅创下了450万份的单日销量纪录，更在Steam等平台上取得了前所未有的成功。作为一名热爱游戏的玩家，我被这款游戏深深吸引，并对制作人冯骥的采访产生了浓厚的兴趣。在这次采访中，我意外地发现了游戏制作与大模型训练技巧之间的奇妙联系。

有很多人来看，随着大语言模型的出现，对问题的整理和分析也更加全面，这篇文章就是我使用大语言模型深入剖析在R语言编程中经常遇到的 “undefined columns selected” 错误，提供了成因分析、解决方案以及预防策略，旨在帮助数据科学家和R语言用户避免和解决这一常见问题。📚 我承诺，将持续为您带来深度与广度兼具的数据科学内容，让我们一起在知识的海洋中遨游，发现更多未知的奇迹。很多年前之前写了一篇。

作者|穆易青、Kimi大家好，我是穆易青，今天向大家介绍我的新专栏，主要探讨AI大语言模型在生物信息学领域应用。在带大家深入了解专栏之前，我愿先分享催生这个专栏的灵感与初衷。回溯到2023年2月，我正驻扎在北京总部，当时chatGPT3.0诞生前两个月还没有被大众关注到，资本也还没有开始炒作。不到2个月，用户数量爆炸式增长，openAI被迫开启用户注册，领导让我研究一下，看能不能用在解决一些客户的生信问题上。

在尝试解决任何问题之前，了解STAR的依赖关系至关重要。STAR主要依赖于标准GCC库，但如果您的系统上已经安装了其他生物信息学工具，可能会遇到版本冲突。

STAR是一个强大的工具，适用于多种RNA-seq数据分析任务。通过遵循上述步骤，你应该能够快速安装并开始使用STAR。如果在安装过程中遇到任何问题，上述解决方案应该能帮助你克服大部分障碍。！

文章目录摘要基本命令结尾摘要随着业务拓展，项目越来越多，并且多人使用服务器，需要时刻注意清理存储，一不小心就容易满。今天整理几个命令，说一下我日常清理存储的方法。基本命令第一个就是df命令，这个命令常用来查看磁盘存储情况：(base) [yangxin@genomic2 ~]$ df --help用法：df [选项]... [文件]...Show information about the file system on which each FILE resides,or all file

文章目录摘要工具与方法操作方法step.1 构建参考基因组数据库step.2 比对序列step.3 获取query_idstep.4 获取比对序列结果展示摘要很久没有整理工作笔记了，一方面个人有些倦怠，另一方面国内国际发生的事都牵动着许多人，我也不例外。趁着今天项目不多，记录一下最近的解决方案。上周遇到一个想检测测序样品中是否包含预期的细菌物种。使用nr数据库比对以及metaphlan3进行物种注释都找到了客户的预期物种。然后客户希望通过测序数据组装出一套基因组。要求是组装出来的contig必须是都比

去宿主的分析可以让你节省更多比对时间

学习目标 理解使用ClustalW进行多重序列比对（MSA）的三个主要阶段； 描述几种其他的多重序列比对（MSA）程序，了解他们的工作原理，比对它们与ClustalW的异同； 理解进行基准研究的重要性，并且理解关于MSA的几个基本结论； 理解关于基因组区域的MSA的几个问题。 6.1 引言 本章探讨MSA的一般性问题 介绍MSA的五种方法； 认识用于MSA的数据库，比如Pfam； 讨论基因组DNA的多重序列比对。 多重比对序列的定义 多重序列比对就是一组3条或者多条可

项目场景：版本介绍：qiime2：2021.4DADA2：1.18.0R：4.0.3项目场景：使用qiime2过程中，执行dada2命令对测序数据进行特征序列分类时，发生报错。问题描述：之前没有对qiime2有过更新或者修改，突然出现以下报错An error was encountered while running DADA2 in R (return code 1), please inspect stdout and stderr to learn more.打开记录日志

文章目录摘要问题描述解决方法vim界面中命令替换文本编辑器Notepad++中进行格式转换Word中另存为Unix格式总结摘要在分析常规项目的时候，一般我们会在NCBI或者UCSC上下载参考基因组还有对应的注释文件。但有时遇到的客户是自己组装的序列，而他们提供的参考基因组和注释文件都是自己组装或者用注释工具生成的，在格式上和标准数据库里的结果有些细微差别。这些格式问题对于刚入门的小白而言，在不知道的情况下分析起来会时常受阻。问题描述这次我们就遇到一个fa后缀的参考基因组，但是换行符是windows格

5.5 用类似于BLAST的比对工具快速搜索基因组DNA 需求：随着基因组DNA数据库数量增长，对比对工具要求越来越高 能在基因组DNA中找到外显子 比对时考虑基因组DNA包含的测序错误 有相应的算法解决相关物种的基因组在比对中出现删除、重复、倒置或移位的问题 有相应的算法解决DNA序列之间的小差异，如SNP位点 用标准集去评估基因组比对效果 时使用序列进化随机模型（ROSE）软件包船舰一个模拟序列集进行测试，可以得到全局比对工具LAGAN灵敏度最高，局部比对工具（如BLAST

5.5 用类似于BLAST的比对工具快速搜索基因组DNA 需求：随着基因组DNA数据库数量增长，对比对工具要求越来越高 能在基因组DNA中找到外显子 比对时考虑基因组DNA包含的测序错误 有相应的算法解决相关物种的基因组在比对中出现删除、重复、倒置或移位的问题 有相应的算法解决DNA序列之间的小差异，如SNP位点 用标准集去评估基因组比对效果 时使用序列进化随机模型（ROSE）软件包船舰一个模拟序列集进行测试，可以得到全局比对工具LAGAN灵敏度最高，局部比对工具（如BLAST

项目场景：RNA-seq对比对后bam文件绘制insert图片问题描述：执行picard命令时发生报错：JAVA报错代码： at java.lang.ClassLoader.defineClass1(Native Method) at java.lang.ClassLoader.defineClass(ClassLoader.java:800) at java.security.SecureClassLoader.defineClass(SecureClassLoader.java:1

5.4 谱搜索：隐马尔可夫模型（HMMs） 谱隐马尔可夫模型在生成用于识别远缘序列相似度的位置特异性打分系统时，比PSSMs更通用，如语音检测，声纳等一系列信号检测问题； 在生信领域，HMMs已经被用于各式各样的应用：序列比对、蛋白质结构预测、蛋白质跨膜区域预测、染色体拷贝数变化分析和基因发现算法等； 优势： 谱HMMs是一个概率模型，它评估在比对中的一个给定位点上发生匹配、错配、插入和确实（空位）的可能性。通过开发一个基于已知序列的统计学模型，我们可以使用谱HMM来描述一个特定序列与模型相匹配的

5.3 寻找远缘相关蛋白质：位置特异性迭代BLAST（PSI-BLAST）和DELTA-BLAST PAM250矩阵给探测远缘相关蛋白质提供了一个更好的打分系统，可以改变打分矩阵来检测远缘蛋白质，但仍然有局限性： BLASTP检测到匹配蛋白，但是否同源并不明确。 PSI-BLAST 更深入地搜索数据库，以发现一个与你感兴趣地蛋白远缘相关的匹配蛋白。 比对的5个步骤： 使用某个打分矩阵对查询序列在一个目标数据库中进行搜索（同常规BLASTP） 基于成分的统计数据从起始搜索..

目录摘要工具与方法使用命令结果展示总结二级目录三级目录摘要前两个月项目特别多，最近终于有机会闲下来写点文章，把之前搭建的流程梳理一遍。前同事分析16S/ITS使用的qiime1，我接手后感觉不太适应，希望能够使用新版本来搭建，于是花了几天时间重新搭了这个流程，工具与方法使用工具：qiime2使用版本：qiime2-2021.4参考文档：https://docs.qiime2.org/2021.4/（最新版本2021.8）使用命令在这里插入代码片结果展示总结二级目录三级目录...

目录摘要工具与方法使用命令结果展示总结摘要前段时间研究16S/ITS的分析，对qiime2的分析流程有了一定了解，分析方面已经有一套流程了，后续会进行整理发布。在分析之前，软件需要提供预处理文件，包括一份样品数据表格（双端测序数据格式），一份样品分组表格。这两个之前都是手动生成，分组表格是没什么办法的，每个项目的分组情况都不一样，但是样品数据表格是可以研究一下自动生成的。在此记录一下。工具与方法使用语言：bash使用命令第一部分是从供应商拿到的项目数据里面提取原始数据。放到01.data中备用

目录摘要for循环遍历文件使用方法方法一方法二总结摘要在日常生信分析过程中，分析员或多或少会使用for循环批量处理样品或者分组。这里我简单整理一下自己常用的两种遍历方法。for循环遍历文件使用方法方法一对于在同一个文件内的所有样品，使用 ls 可以遍历该文件夹内的所有文件名。for i in ls ./;doecho ${i}done可能有时候还有一些脚本文件在里面， 我们可以使用 正则表达式 *来表示文件内的样品名for i in *_R1.fastq.gz;doi={i%_R

目录摘要问题汇总1. MissingInputException: Missing input files for rule XXX:2. SyntaxError in line 28 of /path/to/snakefile: invalid syntax3. SyntaxError in line 25 of /path/to/snakefile: Expected name or colon after rule or checkpoint keyword.4. RuleException in l

目录摘要环境与方法依赖工具预测工具绘制工具使用命令预测lncRNA统计noncoding_ID绘制Venn图结果展示总结摘要接到一个单样品测lncRNA数据的项目，正好拿来练练手，梳理一下lncRNA流程。这里记录预测lncRNA并生成venn图的过程环境与方法R version 3.6.3 (2020-02-29)依赖工具预测工具CPC2CNCIPfamCPAT绘制工具R:VennDiagram使用命令预测lncRNACPC2#更换envconda activate py

摘要接到一个特别要求，客户想把结果里的png图片全部转化成pdf。刚开始，这边销售想着结果图片不多，打算手动一个一个处理，直到她发现了16差异分组里，每个分组都有个kegg_map的文件夹...环境与方法R version 3.6.0 (2019-04-26)环境包 require(stringr) EBimage： install.packages('BiocManager') BiocManager::install('EBImage')使

摘要最近不断做项目，闲暇之余也优化了某些项目流程。这次要补充的是分析miRNA时要对reads_length进行统计。一般定义的miRNA长度大约在18-24bp，如果你的统计结果在这个范围内，说明reads是可靠的，可以进一步分析。环境与方法R version 3.6.1 (2019-07-05)绘图包，ggplot2原始数据我设置了过滤，14之前是没有reads的，咱们后面需要统计的也是15-24bp的数据。使用代码 library(ggplot2) #调用ggplot2包，没有

文章目录摘要解决方法结果展示总结摘要2个月前做miRNA项目的时候就遇到了这个问题，解决方法看这里：2021.04.13丨sRNAnalyzer报错fastx_collapser: Invalid input: This looks like a multi-line FASTA file解决办法。最近又接到一个专门分析piRNA的项目，感觉之前的解决方法过于粗暴，会损失大量的序列，导致得到的piRNA太少。深入研究了一下sRNAnalyzer的源代码，终于让我找到了突破点。按照之前的方法，2个G的

目录摘要环境与方法使用代码分析结果总结摘要接到一个wgs项目，要帮助客户统计vcf文件中snp突变频率，比较两个样品的突变位点。这个工作在上一个项目中是手动处理的，当时参考序列短，突变位点少。这次经过比对后，发现了有个样品有上万个snp位点，肯定不能用手动处理的方式。因此，写了一个脚本来统计各个样品的突变频率。需要统计的信息包括染色体，突变位置，参考位点，各样品突变位点，突变率（AD杂合位点覆盖度/DP总覆盖度）环境与方法python 3.7R version 3.6.1 使用代码统

摘要 之前写过一篇文章，对clusterProfiler常用注释包进行简单的整理分类2021.05.17【R语言】丨clusterProfiler注释表——KEGG/GO enrich富集图专用_穆易青的博客-CSDN博客。然而在遇到一个原核转录组项目想使用大肠杆菌注释包的时候却遇到了报错，经过一番查阅和测试。终于能够注释大肠杆菌，得到GO/KEGG富集图，在这里将整个过程做个梳理。 环境与方法 R version 3.6.1 Bioconductor version 3.10 packa

摘要 从3月学习snakemake，到目前为止已经基本掌握了框架的思路，并且用snakemake将之前的RNA-seq流程重新串了起来。今天在处理项目的时候打算将里面的差异分析和注释分析串起来。遇到了报错，这里进行一个简单记录。 报错问题：positional argument follows keyword argument 翻译：位置参数跟在关键字参数之后 错误示范： rule anno:input:genome = config["reference"],gff = con

目录摘要环境与方法文档准备分类简称及描述比对结果使用代码结果展示总结摘要在RNA-seq项目中，需要将差异基因比对到各个数据库当中，生成相应的注释结果和图像，便于深度挖掘信息。COG（Cluster of Orthologous Groups ofproteins 同源蛋白簇）数据库可以帮助了解蛋白功能甚至进化关系（细/真菌）。此次记录一下COG分类图的绘制方法环境与方法R version 3.6.1 (2019-07-05)文档准备分类简称及描述 # Code Name

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言 一、pandas是什 二、使用步骤 1.引入库 2.读入数据 总结前言提示：这里可以添加本文要记录的大概内容：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，下面案例可供参考一、pandas是测示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任..

项目场景：KEGG富集图绘制问题问题描述：得到差异基因名称，却无法成功绘制富集点状图。@Override public void run() { bytes = mmInStream.read(buffer); mHandler.obtainMessage(READ_DATA, bytes, -1, buffer).sendToTarget(); } ![在这里插入图片描述](https://img-blog.c

摘要 箱线图主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比 较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。然而，我们在绘制过程中，会出现不显示的情况（如下图），本篇文章则是解决箱线图无法显示的问题。 图一 环境与方法 R version 3.6.1 (2019-07-05) 产生原因 箱线图绘制原始代码 library(ballgown)librar

这是木青的第96篇原创文章，本篇240字，阅读大约需要1分钟文章目录摘要环境与方法使用代码总结摘要做项目偶尔会收到一些上游测序企业，把每个样品单独放在一个文件夹内，样品少还可以手动搬运，样品数量大就比较麻烦了。照单全收又不方便我们批量分析。因此需要批量提取处理。这里写了一个小脚本，分享给大家，方便提取。环境与方法GNU bash， 版本 4.2.46(2)-release (x86_64-redhat-linux-gnu）使用代码 for i in AG0...

优化内容 解决每次转换需要设置样本数和基因数目 实现基因count值与length精准匹配 摘要 大概半年前，我写过一篇将HTseq生成的基因COUNT值转换为FPKM值文章，用于对count的入门级均一化处理。随着项目越做越多，逐渐发现了之前写的脚本的局限性。比如，每次换算都需要设置包括样品数，基因数目等参数。另外，以前的转换脚本哪怕使用同一个gff文件，定量得到的基因数目和makeTxDbFromGFF中exonsby、transcriptsby定义的基因数目可能是不一样的，这就导致cou

摘要 继续使用sRNAnalyzer完成miRNA分析任务，今天要解决的是填充空白值和去除重复列的问题。由于生成的样品定量结果是在多个miRNA数据库中进行比对，因此生成的miRNA会重复出现，需要去重。同时，对于某些样品的reads没有比对到miRNA，并不是显示为0，而是直接为空白。之前一直是用excel手动处理。今天决定使用R一次性解决这个问题。简单在网上查了一下，几行代码就完成了这项工作。 环境配置 R version 3.6.0 依赖包 tidyverse 使用代码

摘要 接到一个外泌体的miRNA分析，正常来说，本来可以直接使用sRNAnalyzer进行比对和定量（见文章https://share.mubu.com/doc/5KSIFg9R9u），但是在cutadapt去接口之后，执行fastx_collapser命令就发生了报错：fastx_collapser: Invalid input: This looks like a multi-line FASTA file。研究了2天终于找到了问题所在，特此记录一下。 软件配置 Python 3.8 sR

摘要 在公司已经待了几个月，项目也有条不紊地推进。RNA-seq流程是早就搭建好了的，奈何拿到的测序样品数据名称和后缀经常会有一些变化，比如R1.fq.gz, R1_001.fq.gz, R1_001.fastq.gz等等。导致每次都要到流程里面改一下后缀。为了尽早实现标准化，周末闲来无事，把这个统一命名的问题解决了一下 环境配置 python：3.8.5 使用代码#encoding=utf-8import ospath = "./"filelist = os.listdir...

摘要 接到一个个性化分析，客户发了一个文档，明确了分析流程以及使用工具。其中定量环节要求使用featurecount工具。平时我都是使用htseq-count进行定量，因此，在这里记录一下新工具的使用步骤和遇到的一些小问题。 软件版本 featureCounts(subread) v2.0.1 使用说明 安装featureCounts 该工具属于Subread软件中的定量工具，另外subread还可以进行比对和寻找SNP位点，在这里就不详述了。我们要做的就是安装Subread

摘要 按照正常情况，送去测序的样品最好是同一个批次上机测序，避免外部干扰。最近接到一个项目，拿到手的数据就是分了四批。组长提醒我研究一下批量效应的处理方式。因此，这里总结一下批量处理的分析流程。环境配置 R版本：3.6.1 依赖R包：limma使用代码：library(limma) #调用limma包，线性分析主要包data <- read.table("all_count.txt",header = T, sep = "\t", ...

摘要 最近优化RNA-seq，在定量环节后，需要汇总各样品的count值生成一份总表，然后转换成FPKM值。之前使用的是组长写的perl脚本，奈何自己实在是看不懂，并且之后为了加入到snakemake流程中也只支持python。于是，今天使用python对这部分进行了重写。 环境配置 python：3.8.5 使用代码 import reimport osimport pandas as pdnewfile_name = "../02.align/htseq/all_coun

摘要 最近在搭建WGBS流程，使用bs_seeker2对数据进行比对后需要有一个统计结果。将就之前的脚本稍微改了一下，直接拿来用。 环境配置 python：2.7.18 BS-Seeker2： v2.1.7 目标文件格式 该log文件生成行数是不确定的，但统计结果都是在最后几行，所以我们的脚本里使用负值代表倒数几行开始抓取统计结果。 使用代码 import reimport osnewfile_name = '02.align/map_stat.txt'ne