在R中，如需对人和小鼠的基因名进行互相转换，可以使用biomaRt程序包。 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465> library(biomaRt)> human <- useMart("ensembl",dataset="hsapiens_gene_ensembl")> ...

在LINUX中查看文件常用less命令，但是在遇到带有注释的文件时，如果单单使用less命令，会看到长长的注释部分，给查看文件带来极大不便，比如VCF文件，头部使用#注释 12345678910111213141516171819##fileformat=VCFv4.2##ALT=<ID=NON_REF,Description="Represents any possible alternative allele not already represented at this locati ...

安装步骤参考官方安装指南 一、卸载旧版本12345678$ sudo apt-get remove docker docker-engine docker.io containerd runc# 为确保安装顺利，先卸载旧版本，如果未曾安装，则会提示：# Package 'docker-engine' is not installed, so not removed# Package 'docker' is not installed, so not removed# Package 'conta ...

在LINUX中，虚拟环境是在特定环境下程序的集合，使用CONDA可以实现对环境的操作。 一、创建环境12conda create --name envirmentA packageB# 创建名为envirmentA的环境，并在环境中安装packageB程序 二、激活环境12conda activate envirmentA# 激活后，命令行首会显示(envirmentA)前缀 三、检查python版本1python --version 四、退出环境12conda deactive# 创建名为en ...

参考资料：Germline short variant discovery (SNPs + Indels) 下面这张图是单样本种系突变的主要分析步骤（Main steps for Germline Single-Sample Data） 一、数据质控1234567891011121314151617181920212223242526272829303132333435363738394041424344fastp -i /mnt/d/wes/sample/fastq/sam01_1.fast ...

在学习数据分析的过程中，原始文件往往很大，这会导致反馈时间极长，比如比对过程，对于普通配置的个人电脑，一个FASTQ文件可能耗时数小时，这会极大地影响对错误的排查过程，增加学习成本。考虑到这一点，我们可以将要分析的FASTQ文件拆分成多个小文件，只取其中一个文件进行比对，为实现这一功能，可以使用SEQKIT。可选程序有两个，一个是seqkit split，这个主要针对FASTA文件，第二个是seqkit split2，这个可以处理单端或双端FASTQ文件。 1234567891011121314 ...

在R中，可以使用read.table()来读取.tsv文件， 1> data <- read.table("file.tsv", header=T, sep="\t") 但是，若原文件中有缺失值，可能会报错，可以使用fill=TRUE对缺失值进行填充， 1> data <- read.table("file.tsv", header=T, sep="\t",fill=TRUE) 然而，由于这种填充方式是自动将有值的单元格向前移动，并将后面的缺失值填充为NA，因此，可能会引 ...

我们以TCGA-KIRC数据为例，来介绍肿瘤突变数据与临床数据的下载方法、预处理及可视化 一、数据下载与处理在TCGA-GDC官网，在CASES选项下，选择CTGA-KIRC，这里共包含537个CASE，回到FILES选项下，选择Data Category[simple nucleotide variation]+Data Type[Masked Somatic Mutation]+Workflow Type[MuTect2 Variant Aggregation and Masking]，至此 ...

一、原始数据下载 如果是从测序公司拿到数据，一般会得到处理过的fastq格式，而我们在此以SRA为数据源获得原始数据。以PRJNA669198这个项目为例，我们下载SRR12846241，原始数据2.76Gb，样本来自31岁的男性colon，患有林奇综合征（Lynch syndrome，或称HNPCC,遗传性非息肉性大肠癌），测序平台是Illumina，双端测序，以上是基本信息。 1prefetch SRR12846241 注：prefetch是sratoolkit中的一个程序，用于从SRA数据 ...

数据的拆分与合并可以使用reshape2这个包，主要使用两个命令：melt/cast（dcast返回数据框） 一、准备数据 1234567891011> A <- c("A","B","C","D")> B <- c(1,2,3,4)> C <- c("Apple","Orange","Pear","Banana")> D <- c("Sun","Moon","Earth","Star")> data <- data.frame(A,B ...