从单端测序数据clean data出发进行PICRUST宏基因功能预测极速教程

最新推荐文章于 2023-03-30 17:28:31 发布
最新推荐文章于 2023-03-30 17:28:31 发布
阅读量483 收藏 2
点赞数
分类专栏： 微生物组分析与处理
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/zlabx/article/details/108307341
版权
本文档提供了一个从单端测序数据开始，通过使用qiime1和picrust1进行宏基因组功能预测的快速指南。教程涵盖了从数据预处理到KEGG层级注释的完整流程，包括biom格式转换、数据库准备和结果层次化展示。
摘要由CSDN通过智能技术生成

#zj@zlab.ac.cn
#2020-07
#单端测序结果产出Greengenes结果
#合并所有fna文件

cat *.fna > seq.fna

#conda安装独立安装qiime1和picrust1

conda create -n picrust1 -c bioconda -c conda-forge picrust
conda activate picrust1
conda create -n qiime1 python=2.7
conda install qiime

#qiime1环境

conda activate qiime1

#将GG138数据库移动到公共数据库db文件夹
#基于fna文件生成GG数据

echo "pick_otus:enable_rev_strand_match True"  >> $PWD/otu_picking_params_97.txt
echo "pick_otus:similarity 0.97" >> $PWD/otu_picking_params_97.txt
pick_closed_reference_otus.py -i $P
最低0.47元/天 解锁文章
zlabxyz
关注
专栏目录
PICRUSt2功能预测分析
tinygene的博客
06-17 1万+
16S高通量测序的群落数据分析中,更深层次的数据挖掘是很重要的一环,但是微生物群落标记基因测序的一个局限性就在于它无法提供有关采样群落功能组成的信息。所以我们引入了功能预测分析.“功能”通常指的是基因家族，如KEGG同源基因和酶分类号，但可以预测任何一个任意的特性。同样，预测通常基于16S rRNA基因测序数据，但也可以使用其他标记基因。正常来说,进行功能分析有多个研究方法可选:PICRUSt2 (Phylogenetic Investigation of Communities by Reconstruc
[翻译]q2 picrust2 教程
zd200572的博客
11-14 4743
简介 picrust2 beta既可以单独安装，也可以以qiime2-PICRUST2插件方式安装和使用，两者都可以在linux和Mac上运行，windows请使用虚拟机。 请注意，与PICRUSt1元基因组预测步骤相比，使用默认流程和ASV并使用PICRUSt2管道生成分层的输出表（通过贡献序列分解的预测）需要更多的计算资源。至少需要16GB的内存，几个小时（取决于你的CPU核心数和输入样本数目...
【QIIME2】单端数据Deblur
weixin_48076899的博客
03-30 950
QIIME2-单端数据Deblur笔记记录
单端测序与双末端测序问题
wangprince2017
01-10 7393
单端测序与双末端测序问题 问题 Paired-End测序与Mate-Pair测序相对于单端测序有何优势？ Paired-End中的Read1和Read2到底是啥关系？它们是如何参与拼接和比对的呢？ Mate-Paired与Paird-End两种不同建库测序的区别在哪里？产生的数据有何不同？各自有哪些优缺点？ Single-Read测序、Paired-End测序、Mate-Pair测序，何时选择哪种测序策略？读长、插入序列为多少？ 不懂的问题很多，困惑很多，借此寻.
PICRUSt2分析实战：16S扩增子OTU或ASV预测宏基因组EC、通路、KO(200806更新)
刘永鑫的博客——宏基因组公众号
08-10 1万+
PICRUSt2分析实战：16S扩增子OTU或ASV预测宏基因组更新时间：2020年8月6日PICRUSt推出了近7年，引用4000余次。现推出PICRUSt2，再次霸气发表于顶级期刊N...
ChIP-seq数据处理流程(附赠长达5小时的视频指导)
生信小博士的博客
12-15 5760
本次给学徒讲解的文章是 : Brookes, E. et al. Polycomb associates genome-wide with a specific RNA polymerase II variant, and regulates metabolic genes in ESCs. Cell Stem Cell 10, 157–170 (2012). 查看文章发现数据是： Polycomb associates genome-wide with a specific RNA polymerase
单细胞测序拟时间序列分析R包monocel教程（附4个学习案例）
12-20
本教程附带了四个学习案例，旨在帮助用户更好地理解和应用Monocle3在单细胞测序数据分析中的功能。 综上所述，Monocle3作为单细胞数据分析工具的发展和应用，不仅能够处理更复杂、更庞大的数据集，而且还在算法上和...
基于子空间对齐的单细胞转录...测序数据的细胞类型预测研究-张柳
04-15
本 文 将 一 种 用 于 图 片 识 别 的 迁 移 学 习 算 法 — 子 空 间 对 齐 领 域 自 适 应 （ Ｓ ｕｂｓｐ ａｃ ｅ Ａ ｌ ｉ ｇｎ ｍ ｅ ｎ ｔ ...域 中 以 预测 目 标域数据 的 细 胞类型 ， 同 时 进行批次效应校正
pircust2_功能预测_predictiongene_PIRCUSt2_
10-04
标题中的“pircust2_功能预测_predictiongene_PIRCUSt2_”表明这是一个与功能预测和PIRCUSt2相关的脚本或程序，主要用于16S rRNA扩增子测序数据的处理。16S rRNA测序是微生物群落研究中常用的技术，通过分析微生物...
QIIME2扩增子分析流程及常用命令.pdf
07-13
便于查阅的QIIME2扩增子分析流程及常用命令（我的博文https://blog.csdn.net/weixin_42126262/article/details/107285753） pdf 版，包含QIIME2的16S扩增子分析流程基础内容、常用命令、部分图文解释。
宏基因组理论教程3PICRUSt功能预测
刘永鑫的博客——宏基因组公众号
08-25 8407
之前分享的加拿大生信网出品的《宏基因组分析教程》，有1万多位朋友阅读，有近2000多小伙伴下载了课程PPT。 但不知有多少小伙伴真正仔细学习过。收藏是没有用的，只有真正多学几遍才有收获。 对于英文原版教程，很多新人有看不懂，学不会的问题。宏基因组团队针对这套教程进了翻译，同时结合最近的研究进展对内容进行了更新，方便广大同行入门者学习。 教程大纲 简介-定义、方法和数据库 扩增子-微生物群...
16S预测宏基因组最强R包-Tax4Fun
刘永鑫的博客——宏基因组公众号
01-03 1万+
之前在公众号的文章《根据16S预测微生物群落功能最全攻略》阅读人数近3000人，有需求的用户还是非常多的。其中提到了4个软件，之前已经介绍了其中非常有特点的三种，分别为： - PICRUSt预测宏基因组： 优点是高引流行，但缺点是数据太旧，GreenGene数据库13年5月后再无更新。 - FAPROTAX预测元素循环：主要基于物种名预测元素循环相关功能。 - bugbase预测细菌表型：主要
16S+功能预测也能发Sciences：尸体降解过程中的微生物组
刘永鑫的博客——宏基因组公众号
03-21 4998
Metcalf, J. L., et al. (2016). “Microbial community assembly and metabolic function during mammalian corpse decomposition.” Science 351(6269): 158-162. 于2015年12月10日在线发表，截止至18年3月21日Google统计引用88次。 ...
picrust软件安装
五月的田野
03-03 1304
根据16s预测功能， Ubuntu安装picrust #参考：http://picrust.github.io/picrust/install.html#install ##准备环境 pip install numpy==1.5.1 ##后面用到h5py sudo apt-get install libhdf5-dev sudo apt-get install ...
16s扩增子分析基于qiime1的标准流程-powered by zlab
zlabx的博客
10-10 876
###—qiime-zlab------ #zj@zlab.ac.cn #版权所有，仅供学习参考 #中国科学院 Generate BIOM table summary command biom summarize-table -i otus/otu_table_mc2_w_tax_no_pynast_failures.biom -o cdout//biom_table_summary.txt Filter low sequence count samples from table (minimum se
picrust 功能预测应用
rojyang的博客
09-04 6251
## 0 16s 分析可以得到菌群组成，该怎么把物种和它的“功能”对应起来呢？picrust 功能预测工具应运而生 ## 1 应用于16s rRNA 序列预测功能分析（KEGG、COG） ## 2 分类的参考数据库必须是Greengene ## 3 原理和深入解读参考： 16S扩增子测序与PICRUSt分析，将成为研究新趋势 根据16S预测微生...
下机数据处理：拼接、过滤和去嵌合
yangzhugou的博客
11-30 7544
下机数据处理：拼接、过滤和去嵌合 下机数据处理：拼接、过滤和去嵌合 参考链接：https://mp.weixin.qq.com/s/aHCMS2yXsAGtmrE8VkDAbg [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-RIanoUPR-1606740390975)(C:\Users\12759\AppData\Roaming\Typora\typora-user-images\image-20201129161922274.png)] [外链图片转存失败,源站可能有防盗
生信学习笔记：单端测序(Single-read)与双端测序(Paired-End)
热门推荐
twocanis的博客
11-10 2万+
单端测序(Single-read)与双端测序(Paired-End) 一图看区别： 总的来讲就是单端测序只从一侧读，而双端测序是两头同时读然后拼接 单端测序(Single-read) Single-Read测序(Single-read)首先将DNA样本进行片段化处理形成200-500bp的片段，引物序列连接到DNA片段的一端，然后末端加上接头，将片段固定在flow cell上生成DNA簇，上机测序单端读取序列。该方式建库简单，操作步骤少，常用于小基因组、转录组、宏基因组测序。 测序的质量会随着测序
细菌基因组重测序,从原始数据到cleandata,需要质控和去除冗余序列
最新发布
09-27
细菌基因组重测序是指利用高通量测序技术对细菌基因组进行全面的测序，以获取基因组的完整信息。从原始数据到cleandata的处理过程中，首先需要进行质控和去除冗余序列。 质控是为了保证测序数据的质量和准确性。在测序过程中，可能会出现测序错误、测序深度不足等情况，因此需要对原始数据进行筛选和修复。常用的质控方法包括使用质量值统计图（Quality Score）进行质量评估，剔除低质量序列，以确保所得到的数据质量符合要求。 去除冗余序列是为了排除测序时产生的冗余数据，提高后续分析的效率和准确性。冗余序列可能是由于PCR扩增造成的重复序列，也可能是由于测序仪在读取过程中出现的重复测序。为了区分冗余序列和唯一序列，可以利用Sequence Read Archive（SRA）数据库或相似序列比对的方法进行比对和比较，筛选出冗余序列并进行去除。 质控和去除冗余序列是细菌基因组重测序分析中重要的步骤，能够帮助我们获取高质量的测序数据，提高后续分析的可靠性和准确性。这两个步骤的完成对于细菌基因组重测序数据的后续生物信息学分析具有重要的意义，可以为研究者提供准确、可靠、高质量的数据支持，进一步深入理解细菌的基因组结构和功能，揭示其中的关键生物学信息。
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