HISAT2官网https://daehwankimlab.github.io/hisat2/HISAT2 下载https://daehwankimlab.github.io/hisat2/download/ BinariesVersion: HISAT2 2.2.1Release Date: 7/24/2020Sourcehttps://cloud.biohpc.swmed.edu/i
原创
2023-11-01 15:58:55
235阅读
hisat2在python3环境下可以正常安装，python2下不可以。 ...
转载
2021-07-15 14:07:00
431阅读
2评论
DB2卸载:由于某种原因，要卸载DB2再重新安装的话，一定要正确的卸载DB2，否则不能执行重新安装或安装的DB2不可用。1、在linux上卸载DB2的一般过程如下所示：a.可选：删除所有数据库。可以使用“控制中心”或drop database命令删除数据库。b.停止DB2管理服务器。c.停止DB2实例。d.除去DB2管理服务器。e.除去DB2实例。f.除去DB2产品。下面按照卸载DB2的一般过程说
转载
2023-10-23 12:50:15
57阅读
欢迎关注”生信修炼手册”!由于测序仪机器读长的限制，在构建文库的过程中首先需要将DNA片段化，测序得到的序列
原创
2022-06-21 09:05:34
509阅读
今天的内容增加了config文件 config文件主要用来指定文件的存贮路径 snakemake文件的内容 后面转录本定量的步骤还没有写完，好像...
原创
2022-04-19 15:31:34
660阅读
HISAT2是TopHat2/Bowti2的继任者，使用改进的BWT算法，实现了更快的速度和更少的资源占用，作者推荐TopHat2/Bowti2和HISAT的用户转换到HISAT2。官网：https://ccb.jhu.edu/software/hisat2/index.shtmlHISAT2安装下载HISAT2-2.0.1，并解压：unzip hisat2-2.0.1-beta-Linux_x8
转载
2024-05-01 17:55:58
36阅读
构建参考基因组我们在这里使用的是hisat2作为构建参考基因组和对比的工具的软件下载直接使用conda下载hisat2conda install hisat2参考基因组的构建hisat2-build xxx.dna.primary_assembly.fa /data/genome 1>hisat2-build.log 2>&1其中： xxx.dna.primary_assemb
比对软件很多，首先大家去收集一下，因为我们是带大家入门，请统一用hisat2，并且搞懂它的用法。 直接去hisat2的主页下载index文件即可，然后把fastq格式的reads比对上去得到sam文件。 接着用samtools把它转为bam文件，并且排序(注意N和P两种排序区别)索引好，载入IGV，再截图几个基因看看！ 顺便对bam文件进行简单QC，参考直播我的基因组系列。前面四篇基本
做长链非编码RNA（lncRNA）的数据分析，有一个部分是比较mRNA和lncRNA在染色上的分布密度，做完Hisat2——stringtie流...
原创
2022-03-18 10:18:13
894阅读
比对软件很多，首先大家去收集一下，因为我们是带大家入门，请统一用hisat2，并且搞懂它的用法。直接去hisat2的主页下载index文件即可，然后把fastq格式的reads比对上去得到sam文件。接着用samtools把它转为bam文件，并且排序(注意N和P两种排序区别)索引好，载入IGV，再截图几个基因看看。前面四篇基本都算是准备工作，从这一篇开始才算进入了RNA-Seq数据分析的核心部分。
作业要求：比对软件很多，首先大家去收集一下，因为我们是带大家入门，请统一用hisat2，并且搞懂它的用法。
直接去hisat2的主页下载index文件即可，然后把fastq格式的reads比对上去得到sam文件。
接着用samtools把它转为bam文件，并且排序(注意N和P两种排序区别)索引好，载入IGV，再截图几个基因看看！
顺便对bam文件进行简单QC，参考直播我的基因组系列。 &
转录组RNA-Seq使用docker+bioconda搭建分析环境 前言 近期学习转录组分析，从ncbi下载数据，转成fastq，STAR/hisat2 map到基因组上，使用featureCount拿到表达矩阵文件挺顺利的，就是到了下游...
转载
2020-10-13 15:40:00
383阅读
点赞
2评论
转录组分析在当下研究功能基因组领域十分常用。相关软件组合种类也十分丰富，本文采用了hisat2+samtools+stringtie策略从转录组数据中挖掘差异表达基因。在这里小编整理了一下此套组合的执行流程，以供日后查阅；同时分享在平台，希望能帮助到更多初学者，如有谬误也请各路大佬批评指正。先从整体上看一下软件们所执行的功能：hisat2：建立参考基因组索引，reads的比对samtools：sa
转载
2024-01-16 04:23:48
301阅读
标题1. 用conda安装RNA-seq所需软件#启动conda自设环境conda activate RNA-seq或者用source activate RNA-seq#安装所需软件(conda可以同时安装多个软件，但是建议初学者还是选择逐一安装，避免出现错误)conda install hisat2 samtools sratoolkit fastqc
conda install trimmom
做完基因组组装后，通常要评估基因组的质量，目前可以采用二三代数据比对回基因组看比对率和coverage，BUSCO，LAI等。转录组数据比对率也是我们常用的方法，通常可以排除转录组数据是否存在问题，也方便在后续注释中排除转录组数据样本的问题。 可以用HiSAT2比对来查看比对率： pe1=5_1.c ...
转载
2021-10-29 14:27:00
1721阅读
点赞
2评论
接前文：转录组分析 | fastqc进行质控与结果解读转录组分析 | 使用trim-galore去除低质量的reads和adaptor转录组分析 | 使用Hisat2进行序列比对转录组分析 | 使用SAMtools将SAM文件转换为BAM文件、排序、建立索引转录组分析 | 使用RSeQC软件对生成的BAM文件进行质控我们接下来使用Stringtie对数据进行下游处理。一.StringTie介绍St
转载
2024-06-19 08:13:26
44阅读
最近一直在做lncRNA的分析，其中的lncRNA的差异表达分析中，需要对reads count 进行归一化，之前没有考虑很多，就用的通常的流程：hisat2→stringtie→prepDE.py/featureCount→DESeq2其中的DESeq2 的归一化部分，也是我们通常称的标准化，是我们关注的重点，DESeq2主要原理：通过计算一个归一化因子，并进行变换，进而提高中等表达基因的地位。
mRNA-seq数据分析1. 使用fastQC及multiQC对原始测序结果进行质控2. bowtie2去除测序数据中rRNA --约去除0.2%的rRNA数据3. hisat2进行参考基因组比对 --全比对率高于94%证明测序数据质量较好4. samtools转换文件格式5. featureCount对基因表达数据进行定量6. 基因表达数据转化为矩阵(merge函数)7. 转换基因symbol进
转载
2024-07-05 06:34:27
45阅读
文章目录分析流程概述下载测试数据数据质量控制Tophat –> Cufflink –> Cuffdiff手动安装相关软件流程代码HISAT2 ->StringTie -> Ballgown流程代码差异表达分析ballgown设置工作目录读取样本的表型数据读取定量分析的表达数据过滤掉表达量低的基因对转录本进行差异分析对基因进行差异分析给转录本添加基因名和基因ID根据p-va
<!DOCTYPE html> <html> <head> <title>中国教育和科研计算网CENTER</title> <meta charset="utf-8" /> <meta content="IE=Emulate7" http-equiv="X-UA-Compatible" /> <meta name="keywords" content="中国教育网, 中国教育, 科研发展, 教育信
转载
2019-09-28 16:41:00
206阅读
2评论
