数据集——iris(R语言自带鸢尾花包) 一.scale函数 scale函数默认的是对制定数据做均值为0,标准差为1的标准化.它的两个参数center和scale: 1)center和scale默认为真,即T 2)center为真表示数据中心化 3)scale为真表示数据标准化 中心化:所谓数据的中心化是指数据集中的各项数据减去数据集的均值. 标准化:标准化就是数据在中心化之后再除以标准差.变换后值域为[0,1]. # 标准化与中心化data(iris) # 读入数据head(iris) #查看

非原创 参考资料: 一文掌握GO和pathway分析 - 生物信息学讨论版 -丁香园论坛http://www.dxy.cn/bbs/thread/34904124#34904124 GO富集 GO是Gene ontology的缩写,GO数据库分别从功能.参与的生物途径及细胞中的定位对基因产物进行了标准化描述,即对基因产物进行简单注释,通过GO富集分析可以粗略了解差异基因富集在哪些生物学功能.途径或者细胞定位. Pathway Pathway指代谢通路,对差异基因进行pathway分析,可以了解实

各种生信工具: https://omictools.com/

http://mp.weixin.qq.com/s/nK1Kkf9lfZStoX25Y7SzHQ 这篇文章主要适用于Linux平台,当然MacOS也行,不过它有更好安装方法. 此外网上也会许多更好的关于biconda的教程,这里还是抛砖应用,提供一种除了编译源码和直接下载二进制文件外安装生信软件的一种思路 bioconda是什么 官方介绍是: Bioconda is a channel for the conda package manager specializing in bioinform

本文首发于“生信补给站”公众号,https://mp.weixin.qq.com/s/ZEjaxDifNATeV8fO4krOIQ更多关于R语言,ggplot2绘图,生信分析的内容,敬请关注小号. 为了能更方便的查看,检索,对文章进行了精心的整理.建议收藏,各取所需,当前没用也许以后就用到了呢! 一 R资料+计划 R语言精品资料年中无套路赠送 R-plotly|交互式甘特图(Gantt chart)-项目管理/学习计划 二 Bioinfo R|fastqcr QC数据处理 :测序结果的数据质控及

使用NCBI进行目的基因的引物设计 全文概述 利用生信工具进行目的基因的引物设计,使用了NCBI进行筛选与设计引物,使用 idtdna对筛选出的DNA进行检查.本文分享了如何筛选出高质量的基因引物,帮助想通过生信进行引物设计的学生.从业者找出合适的基因,毕竟购买引物也比较烧钱,避免设计出的基因质量偏低. NCBI查找基因 1.查询目的基因:https://www.ncbi.nlm.nih.gov/nuccore/?term=zbed3 备注:这里需要注意的是,要找到合适的目的基因!如果找智人,一

1.官网下载GATK. (学校网速实在是太慢了,下载几个小时到自闭) 下载地址:https://software.broadinstitute.org/gatk/download/ 下载完成后文件夹中有如下内容. 2.docker的下载. 因为我的电脑配置的Windows10,而GATK仅支持Linux和MacOSX(这个时候要注意一定要多查看documentation),询问老师后决定使用虚拟机.在GATK的入门指南上有明确建议使用docker,但是我从来没有接触过这一方面(卑微),所以下面主

LeDock是苏黎世大学Zhao HongTao在博士期间开发的一款分子对接软件,专为快速准确地将小分子灵活对接到蛋白质而设计.LeDock优于大部分商业软件,在Astex多样性集合上实现了大于90%的构象预测准确度,对接时间最快仅需三秒.LeDock同时支持Windows.Linux和MacOS三大操作系统. Linux版支持大规模虚拟筛选,需要通过代码操作才能实现目标. Windows版的图形界面极大简化了药物化学家常见多重复杂的对接过程,但每次任务只能对接一个分子,效率极低,只适用于少量对

1.SOAPDenovo配置文件示例 软件下载安装和使用:http://soap.genomics.org.cn/soapdenovo.html asm.cfg #maximal read lengthmax_rd_len= [LIB] avg_ins=450 #if sequence needs to be reversed reverse_seq=0 #in which part(s) the reads are used asm_flags=3 #use only first 100 bp

转自:https://baike.baidu.com/item/RPKM/1197657 均反应基因的表达水平 1.RPKM的计算公式 分母是总共比对到这个基因的reads的数目(条 为单位),分母是:比对上的reads的总数(百万条为单位):外显子的长度也就是基因的长度(KB为单位). 2.举个计算的例子 3.为什么需要这样计算呢? Reads Per Kilobase of exon model per Million mapped reads 具体含义是:每百万reads中来自于某基因每千

转自:https://wenku.baidu.com/view/8d6a95d20d22590102020740be1e650e52eacf2a.html 输出包含3个文件:转录组的组装.gtf      转录本表达水平.fpkm_tracking      基因表达水平.fpkm_tracking 1.转录组的组装.gtf   ——transcripts.gtf 转自:http://yangl.net/2016/06/03/cufflinks/ 1.chrX来源染色体名称 2.来源,产生此文件

来自:生物信息学-陈铭第二版的一个例题. 题目: 目前的代码,运行不正确,关键就是不知道怎么回溯啊,回溯怎么标记呢? #include <iostream> #include<vector> using namespace std; vector<char> s1,t1;//在回溯的时候使用 string s,t;//输入两个字符串 ][]; int maxs(int x,int y,int z){ if(x>=y&&x>=z)return

Dana Pe'er Lab of Computational Systems Biology Dana Pe'er是哥伦比亚大学生物科学系的副教授,被认为是计算系统生物学的主要研究人员之一.Dana Pe'er的研究重点是理解分子网络的组织,功能和进化,特别关注的是遗传变异如何改变调控网络,以及这些遗传变异如何导致癌症. 教育背景: bachelor's degree --- 耶路撒冷希伯来大学(Hebrew University of Jerusalem) --- mathematics -

4.NGS中的reads mapping 顾名思义,就是将测序的得到的DNA定位在基因组上. 因为二代测序的得到的序列是较短的,reads mapping很好地解决了这个问题. 本质上reads mapping是一个双序列比对问题,但和之前讲的NW和SW的不一样,后者适用于两者长度相差不大的. 现在问题有几个特征: 1.reads和ref的长度有着跨数量级的差异,reads长度通常不超过100bp,而ref基因组通常在上百Mb. 2.数据量,NGS测序产生的数据量达到几百Gb,相当于几十个人的人

.DNA拓扑学 在拓扑结构的限制下,DNA进行复制等过程.还有连环数=扭转数+缠绕数. 2.拓扑异构酶 DNA变性破坏了两条链之间碱基形成的氢键.和拓扑异构酶是不同的. 3.RNA的组成和结构特点 RNA的生物学功能. 4.DNA复制叉 复制只能由5'端到3'端(磷酸->五碳糖),DNA新链的起始需要一条RNA引物.本质是因为DNA聚合酶需要带有游离3'-OH的引物,而这个正好可以由引物酶现在DNA上合成一段短的RNA引物,这个引物可以提供(引物大约5-10个核苷酸). 那么在DNA完成复制以后

unique reads:在参考组上只有一个匹配点 multi-mapping reads:在参考组上有多个匹配点 下面是tophat的一个结果案例: Reads: Input : Mapped : (96.2% of input) of these: ( have >) 96.2% overall read mapping rate. the quantity of unique reads  :25159791-1027691= the quantity of multi-mapping r

以前有的是非完整时间写的博客,抽时间需要统一整理一下. 今天在重新装repeatmasker. 整个过程是这样的,有关联的事情有两个. 1. 装repeatmasker需要各种Prerequisites,其中就可能用到了blast,而之前一直找这个版本的blast,在ncbi硬是没有找到: For RMBlast ( NCBI Blast modified for use with RepeatMasker/RepeatModeler ) please go to our download pa

用过很多服务器,但一直没自己挂载过磁盘,因为待挂载的磁盘上都有数据,生怕一不小心把别人的弄坏了. 今天恰好有几块新的磁盘,供我尝试下. 首先查看下磁盘: $ df -h 文件系统 容量 已用 可用 已用% 挂载点 /dev/mapper/centos-root 5.4T 6.6G 5.4T 1% / devtmpfs 32G 0 32G 0% /dev tmpfs 32G 0 32G 0% /dev/shm tmpfs 32G 1.9G 30G 6% /run tmpfs 32G 0 32G 0

转载果子学生信  https://mp.weixin.qq.com/s/Ph1O6V5RkxkyrKpVmB5ODA 前面我们从GDC下载了TCGA肿瘤数据库的数据,也能够把GDC下载的多个TCGA文件批量读入R 今天我们讲一下TCGA数据的标准化,以及差异分析,得到了标准化后的数据,我们就可以按照以前的帖子,做一系列操作 Y叔推荐的这个图有毒! 图有毒系列之2 多个基因在多亚组疾病中的展示 在得到了差异分析的结果后,我们可以完成热图,火山图,GO分析,KEGG分析,GSEA分析,就跟这个帖子中

[环境变量]注释掉conda3,source ~/.bashrc conda install orthofinder # 若在上一章之后没有重启的同学请重启后操作. # 由于是刚开始搭建,这里没有给orthofinder单独一个环境空间,这一套下来,基本的基因分析软件都安装好了.