Skip to content

wangmingcheng/Daily

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

116 Commits
README.md
README.md
 
 
VCF.md
VCF.md
 
 
vim.md
vim.md
 
 

Repository files navigation

Daily

Nanopore

重复序列分析

微卫星标记（microsatellite），又被称为短串联重复序列（short tandem repeats, STRs）或简单重复序列（simple sequence repeats, SSRs），是均匀分布于真核生物基因组中的简单重复序列，由2～6个核苷酸的串联重复片段（核心序列）串联重复组成，其重复单位的重复次数在个体间呈高度变异性并且数量丰富。目前已发现重复序列和40多种神经肌肉和神经退行性疾病等疾病有关，包括众所熟知的精神发育迟滞疾病—脆性X染色体、神经退行性疾病—亨廷顿舞蹈症、脊髓小脑性共济失调症等，此外微卫星不稳定性MSI也是许多癌症基因组特征。由于重复序列的扩张引起的疾病称为重复序列扩张疾病，当然有些重复序列缩短也能引起疾病。其发病机制与这些重复的微卫星序列的重复次数相关。利用三代长读长数据，可用来检测卫星序列重复次数。

HLA分型

主要组织相容性复合体MHC区域位于6号染色体的短臂上，是人类基因组上最复杂的区域之一（约4Mb），呈现出高度的多态性（有着超过10,000个等位）。其编码的分子参与抗原递呈，制约细胞间相互识别及诱导免疫应答。人类白细胞抗原（HLA）编码基因是 MHC 的一部分，是迄今已知基因中等位基因多态性最高的基因复合体，也是不同个体进行器官或组织细胞移植时发生排斥的主要成分。

与 HLA 相关的疾病多达100多种，涉及自身免疫性疾病、免疫缺陷性疾病、过敏性疾病、感染类疾病、代谢性疾病等，如糖尿病、类风湿性关节炎，银屑病、强直性脊柱炎、重症肌无力和哮喘等。同时，HLA在器官和骨髓等移植中起到至关重要的作用，也与许多药物的严重不良反应相关。因此，进行HLA 分型，有利于免疫相关疾病的研究、疫苗和药物靶向人群筛选、种族进化的研究、组织和器官移植等。

本次分析对样品的 HLA-A，HLA-B，HLA-C 基因进行单倍型鉴定。将测序的Nanopore reads与已知的HLA等位比对来识别候选的等位，接下来通过与候选等位的多重比对获取一致序列，最后通过将一致序列与参考数据库比对获取每个样品最终的单倍型。

测试call snp软件

freebayes

freebayes -f /datapool/home/wangmc/project/genome/ucsc.hg19.fasta /datapool/home/wangmc/project/case_22BY12800/case_22BY12800.bam > case_22BY12800.vcf

freebayes参数意义
freebayes结果过滤标准

deepvariant

1 conda安装不可行 pass

2 下载源码编译安装，依赖太多，需要管理员权限也不可行 pass

3 singularity可以成功安装并使用

1 拉镜像：

singularity build deepvariant.sif docker://google/deepvariant

singularity pull deepvariant.sif docker://google/deepvariant:latest

2 运行：

singularity run -B /usr/lib/locale/:/usr/lib/locale/  /datapool/home/wangmc/software/deepvariant/deepvariant.sif /opt/deepvariant/bin/run_deepvariant --model_type=WES --ref=/datapool/home/wangmc/project/genome/ucsc.hg19.fasta --reads=/datapool/home/wangmc/project/case_22BY12800/case_22BY12800.bam  --output_vcf=case_22BY12800.vcf --output_gvcf=case_22BY12800.g.vcf case_22BY12800 --num_shards=30

bam和参考基因组fasta移动到一个磁盘下,docker调用系统文件的问题
同时移到/home目录下 SAMtools [E::hts_open_format] Failed to open file #1289

bcftools

/datapool/bioinfo/xinghu/Biotools/miniconda/bin/bcftools mpileup -Ou -R case_22BY12800.bed --threads 30 -f /datapool/home/wangmc/project/genome/ucsc.hg19.fasta /datapool/home/wangmc/project/case_22BY12800/case_22BY12800.bam | /datapool/bioinfo/xinghu/Biotools/miniconda/bin/bcftools call --threads 30 -mv -Ov -o case_22BY12800.vcf

不同call snp软件结果评估标准

1 snp交集

DeepNull GWAS

https://github.com/google-health/genomics-research/tree/main/nonlinear-covariate-gwas
建立非线性协变量效应模型，提高表型预测和关联能力

gVCF和VCF的区别

https://github.com/broadgsa/gatk/blob/master/doc_archive/faqs/What_is_a_GVCF_and_how_is_it_different_from_a_'regular'_VCF%3F.md
https://support.illumina.com/help/BaseSpace_OLH_009008/Content/Source/Informatics/BS/gVCFFiles_Intro_swBS.htm
gvcf文件会记录更多的信息，这里更多的信息指的是未突变的位点的覆盖情况，gvcf文件也分两种，一种是-erc gvcf ，另一种是 -erc bp_resolution,这两种gvcf文件的区别在于前一种gvcf文件记录非突变位点的时候，以块的形式来记录，而后一种gvcf文件则是对非突变和突变位点一视同仁，前一种方式是为了有效的压缩文件的行数和大小，对后续的分析没有影响，因此这里推荐使用前一种gvcf文件。 那么为什么要使用gvcf文件而不是vcf文件呢？这里主要的原因在于多个样本的vcf文件进行合并的时候，需要区分./.和0/0的情况，./.是未检出的基因型，而0/0是未突变的基因型，如果仅使用普通的vcf文件进行合并，那么就无法区分这两种情况，进而对合并结果产生偏差。实际上，我们也可以直接将gvcf文件和vcf文件使用bcftools merge进行merge，但是这样拿到的结果会有偏差，因为vcf文件没有未突变的位点的情况。

illumina官网支持

github主页值得关注：https://github.com/Illumina

https://support.illumina.com/content/dam/illumina-support/help/Illumina_DRAGEN_Bio_IT_Platform_v3_7_1000000141465/Content/SW/Informatics/Dragen/QUAL_QD_GQ_Formulation_fDG.htm

为什么VCF中Allele Depth（AD）比预期的低好多,理论上AD之和应该等于DP

https://www.jianshu.com/p/401202306f41
https://gatk.broadinstitute.org/hc/en-us/articles/360035532252?id=11096

bam-readcount bam文件统计

https://github.com/genome/bam-readcount
bam-readcount is a utility that runs on a BAM or CRAM file and generates low-level information about sequencing data at specific nucleotide positions. Its outputs include observed bases, readcounts, summarized mapping and base qualities, strandedness information, mismatch counts, and position within the reads.

kmdiff

kmdiff provides differential k-mers analysis between two populations (control and case), Each population is represented by a set of short-read sequencing. Outputs are differentially represented k-mers between controls and cases.

免疫组库分析

https://github.com/milaboratory/mixcr

机器学习在生物信息中的应用

深度学习

全连接网络

深度卷积

循环卷机

图卷机

🌰

Clair3：三代测序reads变异检测

https://github.com/HKU-BAL/Clair3

conda镜像源配置

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.aliyun.com/anaconda/cloud/bioconda/

三代测序数据分析工具

https://long-read-tools.org/index.html

conda更新或pip更新导致已安装包错误，需要重新安装

Obtaining file:///datapool/home/wangmc/software/cnvkit
  Preparing metadata (setup.py) ... error
  error: subprocess-exited-with-error
  
解决方案重新安装importlib_metadata
pip uninstall importlib_metadata
pip install importlib_metadata --force-reinstall

googel镜像网页

https://yimili.net/google-seach/
https://www.library.ac.cn/

下载sci文献

https://kgithub.com/Tishacy/SciDownl

gwas查询

https://github.com/ramiromagno/gwasrapidd/

格式转换

https://kgithub.com/bioconvert/bioconvert

go语言重写模块加速gatk call变异流程

https://github.com/ExaScience/elprep

思谋学术

https://ac.scmor.com/

python编译，加速程序运行

https://github.com/exaloop/codon

Python readline()和readlines()函数

CNV软件测评

https://github.com/StahlKt/ImputationComparisonPaper2021

单细胞文献分析代码

https://github.com/Xiaxy-XuLab/PanCAF

go语言添加国内镜像源头

export GO111MODULE=on
export GOPROXY=https://goproxy.cn

PRS分析

https://github.com/choishingwan/PRSice

人类T2T基因组

https://github.com/marbl/CHM13

bam文件深度统计等，相关bedtools

https://kgithub.com/brentp/mosdepth

vcfstats, 统计vcf各项指标，数量、等位基因频率；

https://kgithub.com/pwwang/vcfstats

fasta、same、bed、vcf格式用python重写的包，方便调用

https://github.com/daler/pybedtools
https://github.com/mdshw5/pyfaidx
https://github.com/brentp/cyvcf2
https://github.com/pysam-developers/pysam
https://bedops.readthedocs.io/en/latest/index.html

bayes

http://allendowney.github.io/ThinkBayes2/index.html

python argsort()函数

argsort()函数是将x中的元素从小到大排列，提取其对应的index(索引号)

哈佛软件

https://www.hsph.harvard.edu/alkes-price/software/

strobealign类似bwa的比对工具

https://github.com/ksahlin/strobealign

生信经验

https://eriqande.github.io/eca-bioinf-handbook/

lncRNA分析工具测评

https://github.com/cbl-nabi/RNAChallenge

人类全基因组Ti/Tv

https://bioinformatics.stackexchange.com/questions/4362/why-ti-tv-ratio#:~:text=It%20is%202%E2%80%932.10%20for%20human%20across%20the%20whole,Also%2C%20this%20number%20is%20correlated%20with%20GC%20content

画图

https://github.com/IndrajeetPatil/ggstatsplot/

感人励志的真人真事

http://www.cureffi.org/about/

125个前沿科学问题

https://www.science.org/content/resource/125-questions-exploration-and-discovery

chip-seq atac-seq hic-seq 比对工具

https://github.com/haowenz/chromap

Hi-C scaffolding工具

https://github.com/c-zhou/yahs

VCF文件分析PCA和遗传距离

https://github.com/zhengxwen/SNPRelate

github访问加速

https://github.com/521xueweihan/GitHub520

strand-flipping

Flipping strand means changing alleles A -> T C -> G G -> C T -> A s

连锁分析计算LOD

https://www.wikihow.com/Calculate-LOD-Score
https://www.mun.ca/biology/scarr/LOD_analysis.html
https://med.libretexts.org/Bookshelves/Basic_Science/Cell_Biology_Genetics_and_Biochemistry_for_Pre-Clinical_Students/14%3A_Linkage_studies_pedigrees_and_population_genetics/14.03%3A_Linkage_analysis_and_Genome_Wide_Association_Studies_(GWAS)

1000 Genomics 连锁不平衡

https://github.com/CBIIT/LDlinkR

多序列比对(multiple sequence align)

kalign: https://github.com/TimoLassmann/kalign
maftt: https://mafft.cbrc.jp/alignment/software/linux.html
muscel: https://github.com/rcedgar/muscle
multiz: https://github.com/multiz/multiz

泛基因组

https://github.com/pangenome
https://github.com/vgteam

cDNA/EST protein比对到基因组

https://github.com/ogotoh/spaln

结构变异流程（多软件整合）

https://github.com/stat-lab/MOPline

HLA基因命名规则和分型数据库

命名： https://hla.alleles.org/nomenclature/naming.html 分型： https://www.ebi.ac.uk/ipd/imgt/hla/

mac brew 安装更新慢，试试国内镜像源

https://mirrors.tuna.tsinghua.edu.cn/help/homebrew/

深度学习从头预测基因

https://github.com/weberlab-hhu/helixer

王一哈希，虽然不是很懂，确实做了很有意义的一件事

https://github.com/wangyi-fudan/wyhash

大牛的博客，简单又朴素

http://norvig.com/

让你的python程序显示进度条

https://github.com/tqdm/tqdm

算法（Algorithms, 4th Edition）

https://algs4.cs.princeton.edu/home/

CS 自学指南（要是大一的时候看到就好了）

https://github.com/PKUFlyingPig/cs-self-learning

用于测评call变异的准确性，可作为Genome in a Bottle (GIAB)的补充

https://genomebiology.biomedcentral.com/articles/10.1186/s13059-023-03109-2

大二或大三对编程语言就有很高的造诣，假以时日必成栋梁，祝好

https://monthly.wybxc.cc/

不同杂合度基因组的组装指南

https://doi.org/10.1093/bib/bbad337

c写的很好

在1个很小很小的领域里做到极致，这些陌生人的代码，加之本身对其人生的想象，所谓功成名就赚大钱不是必须的，最能打动我的莫过于对某样东西持之以恒的钻研和热爱，然后对知识的无私分享，因为这样的人对这个世界始终怀有美好的期待吧，总是在精神上给予我很大的慰藉，觉得自己也可以成为一个默默无闻让世界变好的普通人
https://attractivechaos.wordpress.com/

IBD

https://github.com/browning-lab/hap-ibd?tab=readme-ov-file

PrimateAI-3D 用于遗传变异解读，可以和AlphaMissense比较补充

https://primad.basespace.illumina.com/

标准误和标准差的比较

http://www.differencebetween.net/science/mathematics-statistics/difference-between-standard-deviation-and-standard-error

bcftools插件，hg38,hg19,chm13基因组坐标相互转换、gwas meta分析、多基因评分、BLUP预测疾病的风险、PLINK/PLINK2/REGENIE/SAIGE/BOLT/METAL/PGS/SSF信息汇总、 polygenic score loadings tool

https://github.com/freeseek/score

精神类疾病gwas summary结果汇集

https://pgc.unc.edu/for-researchers/download-results/

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

0 stars

Watchers

1 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

No packages published