基因结构预测中同源注释策略,将mRNA.cDNA.蛋白.EST等序列比对到组装的基因组中,在文章中通常使用以下比对软件: tblastn gamp exonerate blat 根据我的实测,以上软件整体都比较慢.gmap可设置多线程来提升速度.tblastn虽然也可以,但对提速没什么影响.exonerate和gamp巨吃内存. 以下是跑的资源情况.我的组装基因组约400Mb.tblastn的查询序列311764条,gmap的查询序列1483791条,exonerate的查询序列43632条.

PASA, acronym for Program to Assemble Spliced Alignments, is a eukaryotic genome annotation tool that exploits spliced alignments of expressed transcript sequences to automatically model gene structures, and to maintain gene structure annotation cons

miRNA分析--数据过滤(一) miRNA分析--比对(二) 根据miRNA Target Prediction in Plants, miRNA并非所有区域都要求严格匹配,其中第1位碱基和第14位以后的碱基是允许错配(以miRNA 5'为始). miRNA 文件提交不管是U或者T都是可以的 miRNA 靶基因预测我采用了3个工具 1.psRNATarget: A plant Samll RNA Target Analysis Server 进去以后,提交自己miRNA文件,fasta格式,并

SVM软件包 LIBSVM -- A Library for Support Vector Machines(本项目所用到的SVM包)(目前最新版:libsvm-3.21,2016年7月8日) C-SVC(C-support vector classification), nu-SVC(nu-support vector classification), one-class SVM(distribution estimation), epsilon-SVR(epsilon-support vec

Finding Enriched Motifs in Genomic Regions (findMotifsGenome.pl) 在指定区域做motif enrichment,大大降低了假阳性. MEME也可以做,但是设定更加复杂. 转录因子的表达具有高度的组织特异性,而且已知的TF只有1000多个,基因有30000多个,所以一个TF的靶基因可能有几百个,而且具有高度的时空组织特异性. 实验的方法就不说了,可靠.成本高.耗费劳力. 以下只说高通量数据的预测方法. 最简单的预测就是基于基因表达,c

目录 流程使用 问题 记录下braker2的使用要点,以备忘记. 流程使用 braker2有很多流程,根据你的数据:组装的基因组.转录组.蛋白(同源,包括近缘或远缘)选择不同流程,官网有说明: https://github.com/Gaius-Augustus/BRAKER 现在的动植物组装,大多数都含有以上三类数据吧,因此可选择如下流程,用公共数据库OrthoDB中的直系同源蛋白,根据自己的物种选择,有动物植物微生物等,如我选择植物就有300多万条序列. 作者指出,braker2并非证据越多越

转载:http://www.oebiotech.com/Article/mirnabjyyc.html http://www.ebiotrade.com/newsf/2014-9/201492594150379.htm miRNA自从被发现以来,一直备受关注,俨然已成为非编码RNA家庭中永不凋零的“玫瑰”.关于miRNA,主要有两个研究方向,其一是作为biomarker,这方面研究仅需足够庞大的临床样本支撑即可:miRNA的另一研究方向为功能机制研究,此时必须有miRNA靶基因的参与,可是如何确

做了好久的RNA-seq分析,基因表达也在口头溜了几年了,但似乎老是浮在表面. 对一件事的了解程度决定了你的思维深度,只想做技工就不用想太多,想做大师就一定要刨根问底. 老是说基因表达,那么什么是基因表达?我们测序得到的基因表达其实只是一种表型,是样本的一个快照,和普通的身高体重之类的连续型表型类似. 常规的转录组分析本质上都是表型分析,clustering.pseudotime.DEG.marker,在这些分析中,每个基因都是独立的维度,属于静态的分析,此时我们关注的是某个基因的功能分析,比如

HumanNet v2:用于疾病研究的人类基因网络人类基因网络已被证明在疾病研究的许多方面都很有用,已经开发了许多基于网络的策略来产生关于基因 - 疾病 - 药物关联的假设.预测和组织与特定疾病最相关的基因的能力已被证明是特别重要的.我们之前通过使用贝叶斯统计框架整合各种类型的组学数据,开发了人类功能基因网络HumanNet,并展示了其检索疾病基因的能力.在这里,我们介绍HumanNet v2(http://www.inetbio.org/humannet),这是一个人类基因网络数据库,通过整合

多重比对序列的格式及其应用   这里对多重序列比对格式(Multiple sequence alignment – MSA)进行总结.在做系统演化分析.序列功能分析.基因预测等,都需要涉及到多重序列比对.特别是当需要用不同软件对多重比对序列进行批量操作时,会遇到各种的格式,而这些格式是如何产生的,有什么区别,格式之间如何转换,从哪里可以下载到相关的格式序列,不同的格式又有什么特殊的用途等,本篇文章将就这些问题进行总结与讨论.因为涉及内容较多,不足之处,欢迎大家补充或者批判. 生物信息学的基础是基

InterProScan 5.18-57.0 安装和使用,目前最新版的interproscan 引用自 每日一生信--interproscan安装及使用(终结版)原文官网:http://code.google.com/p/interproscan/wiki/Introduction 配置要求:至少2 cores and 4 GB of RAM, 这样才能同时分析5 - 10 sequences . 软件要求: Linux, 32 bit or 64 bit (64 bit recommended

文献:Sahraeian S M E, Mohiyuddin M, Sebra R, et al. Gaining comprehensive biological insight into the transcriptome by performing a broad-spectrum RNA-seq analysis[J]. Nature Communications, 2017, 8(1):59. 这是一篇在NC上发表的使用RNAseq工具对比的一篇文献,解读这篇文献对我们使用RNAseq

InterProScan 5.25-64.0 安装和使用,目前最新版的interproscan 引用自 每日一生信--interproscan安装及使用(终结版)原文官网:http://code.google.com/p/interproscan/wiki/Introduction 配置要求:至少2 cores and 4 GB of RAM, 这样才能同时分析5 - 10 sequences . 软件要求: Linux, 32 bit or 64 bit (64 bit recommended

随着抗生素药物的发现及使用,越来越多的耐药菌株由此产生.而耐药菌株的发展则会增加疾病治疗的难度和成本,因此耐药微生物的研究则显得尤为重要.目前,通过对耐药基因的鉴定挖掘能够一定程度上帮助我们揭开耐药机制,为疾病的治疗.药物研发提供参考.ARDB是最先整合了各种微生物中抗药基因的数据库,但它从2009年开始就不再更新.而CARD(the Comprehensive Antibiotic Research Database)数据库包含了ARDB数据库中所有抗性信息,并搭建了一个基于志愿者贡献的数据共

1.官网简介 http://cab.spbu.ru/software/quast-lg/ QUAST- lg是QUAST的一个扩展,用于评估大型基因组装配(直至哺乳动物大小).QUAST- lg从5.0.0版本开始包含在QUAST包中(下载最新版本).像往常一样运行QUAST,不要忘记在您的命令中添加‐large选项! 新功能的简短列表(参见所有更改): 通过使用新的快速比对(minimap2)和重构对齐分析模块,显著提高了速度 新的基于k-mer的评估基因组完整性和正确性度量 BUSCO增加了

转录组分析综述 转录组 文献解读 Trinity cufflinks 转录组研究综述文章解读 今天介绍下小编最近阅读的关于RNA-seq分析的文章,文章发在Genome Biology 上的A survey of best practices for RNA-seq data analysis .由于文章较长和枯燥,小编认为重要的信息,已经加粗加红,可以直接看重要信息.不要问我为啥这么好,请叫我雷锋. 摘要 现在RNA-seq数据使用广泛,但是没有一套流程可以解决所有的问题.我们重点关注RNA-

TargetScan 是一个miRNA 靶基因预测的网站, 包括了 人, 小鼠,果蝇 , 线虫, 斑马鱼 共5个物种的miRNA 靶基因结果, 人 : TargetScanHuman 小鼠 :TargetScanMouse 果蝇:TargetScanFly 线虫:TargetScanWorm 斑马鱼 : TargetScanFish 以human 为例,进行说明,网址如下: http://www.targetscan.org/vert_71/ 最新版本为release 7.1, 2016年6月更

1)gff3及gtf2简介 一个物种的基因组测序完成后,需要对这些数据进行解读,首先要先找到这些序列中转录起始位点.基因.外显子.内含子等组成元件在染色体中的位置信息(即注释)后才能再进行深入的分析.gff/gtf是贮存这些注释信息的两种文件格式. GFF(general feature format):这种格式主要是用来注释基因组. 现大部分利用的是第三版,即gff3. GTF(gene transfer format):主要是用来对基因进行注释.当前所广泛使用的gtf格式为第二版,即gtf2

Strand Specific mRNA sequencing 之重要性与分析 发表评论 2,761 A+ 所属分类:Bioinformatics   收  藏 研究生物基因转录体的方法有许多种,而使用次代定序仪系统进行转录体定序是目前相当热门的一种方式,科学家们使用 RNA-seq 分析转录体表现主要期望能够获得三种重要信息: 1. 了解整个转录体构造.splicing 位置以及批注基因的功能. 2. 将所有转录体的表现量多寡定量. 3. 找出 alternative splicing 的可能

原文来源:x2yline在生信进化树上的评论,http://www.biotrainee.com/thread-626-1-1.html Ensemble( ensembl.org网站是常用真核生物参考基因组来源之一 )能够对人类基因自动进行注释,包括人类,小鼠,斑马鱼,猪和大鼠等,也包括来自HAVANA的人工注释信息.Ensembl是一项生物信息学研究计划,旨在开发种能够对真核生物基因组进行自动注释(automatic annotation)并加以维护的软件系统.该计划由英国Sanger研究所

Gff文件格式 gff格式是Sanger研究所定义,是一种简单的.方便的对于DNA.RNA以及蛋白质序列的特征进行描述的一种数据格式,已经成为序列注释的通用格式,比如基因组的基因预测,许多软件都支持输入或者输出gff格式.前格式定义的最新版本是版本3.原始定义见SONG websitegff是存文本文件,由tab键隔开的9列组成,以下是各列的说明: Column 1: “seqid”序列的编号,编号的有效字符[a-zA-Z0-9.:^*$@!+_?-|]Column 2: “source”注释信