比较基因组学中,共线性的分析的图无疑是最漂亮的. 共线性分析可以很好地解释进化关系和多倍化事件. 本文主要介绍的是唐老师的Python版McScan(jcvi工具包),这个包很强大,但是其功能在官网的说明并不详细,在众人的博客中也比较零散. 我刚使用这个包的时候(2017年)还很难安装,需要预装各种依赖,不过现在的同学们很幸福了,可以直接用pip一键安装了. 软件包链接:https://github.com/tanghaibao/jcvi 安装过程很简单: pip install jcvi pi

最近有个需求需要画如下的图: 这些图的核心意思是一样的,就是connection,把不同的数据连到一起. 文章里把这图叫做共线性图,是按功能命名的,Google里搜不到. 搜到类似的,这个图叫 Parallel Coordinates Plot,但显然有些丑陋. Parallel Coordinates Plot in R matloff/parcoordtutorial origin里把它叫做Parallel plot,显然快接近我想要的了. 最终根据Google image的类似推送,终于找

本来是不会再写这个文档的,但是由于长时间没有用这个模块,这个模块不知道是我自己弄掉了,还是别的同学误删了,于是我重新安装一下. 首先下载conda,并下载好python which pip 直接安装 注意: 1. 请下载conda3版本,本模块由python3支持: 2. home目录和电脑C盘一样,如果home空间有限,请安装在其他目录下: 3. 将python执行路劲写进bashrc(类似Windows的注册表) 等着就行了: 其他模块自己安装就行了(Knet tools, Bedtools

最近发现了python版的MCScan,是个大宝藏.由于走了不少弯路,终于画出美图,赶紧记录下来. github地址 https://github.com/tanghaibao/jcvi/wiki/MCscan-(Python-version) 软件安装 1 ## 安装lastal 2 网址:http://last.cbrc.jp 3 unzip last-1060.zip 4 cd last-1060 5 make 6 7 # 把scripts, src 添加到环境变量 8 9 ## jcvi

目前鉴定全基因组加倍(whole-genome duplication events)有3种 通过染色体共线性(synteny) 方法是比较两个基因组的序列,并将同源序列的位置绘制成点状图,如果能在点状图中发现比较明显的长片段,切较多,便可以推测是由于大尺度的基因组重复以后保留下来的痕迹,,而一般我们假想这种大尺度的基因组重复往往就是全基因组的重复.同样,对于单个物种而言,我们也可以绘制基因组内部的共线性的点状图,如果发现同一个物种的基因组的区间可以匹配到多个不同的区间中,这就暗示了该物种经历过

经过几轮调试和修改,共线性图终于可以上眼了.如下: 图中红色的为目标基因,蓝色的为reference species目标基因周围15个基因,天蓝色为再往外15个基因,黄色为与reference species存在的共线性,灰色为相邻物种间的共线性. 标注有物种信息,scaffold信息,并用颜色加以区分物种的不同属性. 最后一章的代码和思路更新见公众号. 接下来公众号将继续更新R画图和文献等内容.

4.(2021.6.24)Briefings-生物信息学中的图表示学习:趋势.方法和应用 论文标题: Graph representation learning in bioinformatics: trends, methods and applications 论文期刊: Briefings in Bioinformatics 2021 论文地址: https://www.researchgate.net/profile/Haicheng-Yi/publication/354327323_G

转自公众号Eric生信小班.学习群体遗传套路 中科院昆明动物园吴东东研究团队联合国外研究团队2019年在Genome Biology发表题为Whole genomes and transcriptomes reveal adaptation and domestication of pistachio的研究论文,利用全基因组和转录组数据,系统研究了开心果在驯化与环境适应上的遗传机制,研究内容和方法采用群体基因组学的常规分析,包括基因组de novo.转录组.群体进化.选择位点分析,可作为群体基因

文章题目:A Field Guide for Cancer Diagnostics using cell-free DNA: from Principles to Practice and Clinical Applications 时间:2017年11月 摘要:癌症患者的基因分子层面的信息给新药开发和治疗方法带来了一场新的革命.目前组织样本检测是基因分子检测的金标准,但其存在两点不足:1.取样方式为风险性入侵式取样,有许多癌种和患者无法满足该要求.  2.由于异质性的原因,取得的组织样本可能不

目录 软件的安装 基因组的准备 一些细节 建议和示例 软件的安装 Python版McScan(jcvi工具包):https://github.com/tanghaibao/jcvi 以前只有python2,现在已有python3版本,建议用py3.安装可用pip: pip install jcvi ##或开发版 pip install git+git://github.com/tanghaibao/jcvi.git pip可能会安装很慢.建议还是用conda,要快很多,最好新建环境. conda

软件简介 MCScanX工具集对MCScan算法进行了调整,用于检测共线性和同线性区域,还增加了可视化和下游分析..MCscanX有三个核心工具,以及12个下游分析工具. 软件安装 进入官网http://chibba.pgml.uga.edu/mcscan2/#tm,下载安装 1 unzip MCscanX.zip 2 cd MCScanX 3 make 软件使用 所需要文件 两个或多个物种的gff文件,蛋白序列(** 该软件最多能做5个物种的共线性) 第一步:构建索引,进行blastp比对 注

现在GWAS已经属于比较古老的技术了,主要是碰到严重的瓶颈了,单纯的snp与表现的关联已经不够,需要具体的生物学解释,这些snp是如何具体导致疾病的发生的. 而且,大多数病找到的都不是个别显著的snp,大多数都找到了很多的snp,而且snp都落在非编码区了,这就导致对这些snp的解读非常的困难. 目前,已经有非常傻瓜式的GWAS pipeline了,比如:A tutorial on conducting genome‐wide association studies: Quality contr

前段时间有位小可爱问我,为什么她的QQ图特别飘,如果你不理解怎样算飘,请看下图: 理想的QQ图应该是这样的: 我当时的第一反应是:1)群体分层造成的:2)表型分布有问题.因此让她检查一下数据的群体分层情况,如果没有问题就看一下表型分布. 这段时间有空了,我觉得有必要梳理一下这个飘逸的QQ图,到底是怎么回事儿以及如何确定这么飘逸的QQ图有没有问题. 1.产生飘逸的QQ图的原因 产生飘逸的qq图的原因有很多,比如我们喜闻乐见的:基因多效性(polygenicity).也有可能是混淆偏倚,比如群体分层

1.在linux中安装好R 2.准备好画曼哈顿图的R脚本即manhattan.r,manhattan.r内容如下: #!/usr/bin/Rscript #example : Rscript plot_manhatom.r XXX.assoc XXX.pdf argv <- commandArgs() #define the function to plot the manhatton and quantitle-quantitle plot plot_manhatton<-function(

目录 一.来源 二.结果 扁豆的染色体水平高质量组装 扁豆相关农艺性状的QTL定位 直系/旁系同源的演化和物种形成事件 与农艺性状相关基因的直系同源物 群体结构分析揭示扁豆遗传簇 豆荚发育过程中的基因表达 一.来源 Comprehensive genomic resources related to domestication and crop improvement traits in Lima bean. Nature Communications volume 12, Article nu

目录 一.来源 研究一:Draft genome sequence of adzuki bean, Vigna angularis 研究二:Genome sequencing of adzuki bean (Vigna angularis) provides insight into high starch and low fat accumulation and domestication 二.研究一(小豆基因组草图) 基因组组装 基因与重复序列预测 小豆驯化痕迹 标记开发及育种应用 红豆基因

目录 来源 一.简介 二.结果 基因组组装 重复序列和转座子 基因组特征和基因注释 绿豆的驯化 豆科基因组复制历史 基于转录组分析的豇豆属形成 绿豆育种基因组资源 三.讨论 四.方法 材料 组装 SNP/INDEL 分析和全基因组比对 遗传图谱构建 转座子(TE)检测和重复序列屏蔽 基因预测和注释 转录因子(TF)鉴定 非编码RNA鉴定 转录组组装和豇豆物种形成分析 抗病基因鉴定 全基因组复制分析 来源 Kang, Y., Kim, S., Kim, M. et al. Genome seque

目录 1. 组装算法 1)基于OLC算法 2)基于DBG算法 3)OLC vs DBG 2. 组装软件 3. 组装策略 4. 组装项目实施 1)测序前的准备 2) 测序样品准备 3)测序策略的选择 4)质控.基因组组装.质量评估 5)基因组注释 6)生物学分析 7)更多参考内容 5. 动植物Denovo测序项目的主要分析内容 1. 组装算法 一般有基于OLC(Overlap-Layout-Consensus, 先重叠后扩展)和基于DBG(De Brujin Graph)两种组装算法.基于OLC的

全基因组关联分析流程: 一.准备plink文件 1.准备PED文件 PED文件有六列,六列内容如下: Family ID Individual ID Paternal ID Maternal ID Sex (1=male; 2=female; other=unknown) Phenotype PED文件是空格(空格或制表符)分隔的文件. PED文件长这个样: 2.准备MAP文件 MAP文件有四列,四列内容如下: chromosome (1-22, X, Y or 0 if unplaced) r

描述 MetaPhlAn是分析从物种水平分辨率宏基因组鸟枪法测序数据的微生物群落(细菌,古细菌,真核细胞和病毒)的组成的计算工具.从版本2.0,MetaPhlAn还能够确定具体的菌株(在将样品含有先前测序的菌株的不那么频繁的情况下),并跟踪跨越样品菌株的所有物种. MetaPhlAn 2依靠〜1M唯一的特定分支,标记基因(标记信息文件可以在SRC / utils的/ markers_info.txt.bz2或在这里找到)从〜17000的参考基因组鉴定(〜13500细菌和古细菌,3500〜病毒,和