• FastQC是一款基于Java的软件，一般都是在linux环境下使用命令行运行，它可以快速多线程地对测序数据进行质量评估（Quality Control），其官网地址为：Babraham Bioinformatics
  • fastx Toolkit 在使用FastQC之后，如果我们发现了一些问题（序列质量不高，），那么我们该使用什么样的工具，去解决这些问题呢？fastx Toolkit是包含处理fastq/fasta文件的一系列的工具，它是基于java开发的，我们高通量测序最常用到的是使用这个软件进行reads的裁剪fastx_trimmer。
  • cutadapt软件，是最常用的去adapter的工具。它是基于Python编写的一个Python包
  • 动手实践一篇生信文章：Reconstructing lineage hierarchies of the distal lung epithelium using single-cell RNA-seq,2014年nature，LETTER文章，涉及到的概念有单细胞测序，RNA-SEQ 分析，热图绘制，PCA分解，violin plot 等等。
  • 2017年nature bioinformatics文章GRID-Seq 探索DNA-RNA的相互作用，再一次提醒我，生信分析重要的是想法，你想分析什么，可以通过实验设计来实现，实验的创新也离不开对工具酶的使用。
  • snakemake搭建pipeline
  • 二代测序快速比对算法软件BWA，Bowtie，Bowtie2比对算法的原理。
  • 面临的是计算力不够，储存空间不够的问题。计算过程中最耗时的是序列比对，序列排序和序列去冗余的过程。其中序列比对的时间是最长的。建议了解学习演化生物学、群体遗传学、演化模型等。创新高性能的基因组学定制化的存储方案、高性能的基因组学数据压缩方案、高性能的FPGA，大大缩短比对时间，绝对不能靠堆CPU核。
  • RNA-seq R包
    library(magrittr)
    library(DESeq2)
    library(edgeR)
    library(RUVSeq)
    library(clusterProfiler)
    library(TxDb.Hsapiens.UCSC.hg19.knownGene)
    library(org.Hs.eg.db)
  • 北京大学高歌老师的《生物信息学：导论与方法》中的双序列比对（pairwise alignment）的相关算法。主要是Needleman-Wunsch算法（全局比对）和Smith-Waterman算法（局部比对）相关的内容
  • blast、blat算法。
  • 针对3代测序优化的比对软件有BLASR，LAST，BWA-MEM等。
  • Fasta（物种）&Fastq（机器）-（测序结果）、BAM（压缩）&SAM（原始）-（mapping结果，BAM文件是SAM文件的一种压缩格式，也是最常用的一种比对结果的压缩格式。它一般可以将SAM文件压缩到只有原来的20~30%大小，并且使用非常方便。）
  • mapping质量评估之mapq
  • 生信分析python的anaconda平台-bioconda
# 添加清华源的bioconda链接
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
#创建环境
conda create -n 自定义环境名称 python=3.5 #指定python版本
#进入环境
source activate 环境名称
# 退出子环境
source deactivate

conda install
FASTQ测序结果质量控制: fastqc
trim序列：fastx_toolkit
去除adapter的软件：cutadapt
比对软件：bwa, bowtie, bowtie2
RNA比对软件：tophat2, hisat2, star
SAM/BAM文件处理：samtools
BED文件处理：bedtools

  • RNA比对的常用软件
    1.tophat2，应用最广泛的比对软件，但是速度很慢，已经基本被淘汰了，大约需要4～5G内存就能运行；
    2.hisat2，tophat2的原班人马搞得新一代转录组比对软件，比对速度大大提高，我强烈推荐，大约需要4~5G内存就能运行；
    3.STAR，非常适合于大量数据的并行计算，速度非常快，对于同时有参考基因组和参考转录组的物种，比对的准确率很高，不过index很大，至少需要30G以上内存才能运行。
  • 转录组分析注释文件GFF或者是GTF文件
    GFF有若干个版本，简单来说，GTF是GFF文件的其中一个版本，我们一般认为GTF文件就是GFF 2.0版本的内容。一个标准的GTF/GFF2.0文件需要包括9列内容，下载参考转录组GTF/GFF文件从UCSC或者Ensembl。
  • samtools tview这个工具可以对sort好的BAM文件进行可视化，并提供随机访问功能。
  • IGVTools对mapping结果进行可视化，开发者是Broad Institute（顶级）
  • R语言 bioconductor工具包
    Biostrings
    BSgenome
    Genomic Ranges
    Genomic Feature
    rtracklayer
    Gviz
    GEOquery等
  • RPKM、FPKM、TPM与内参校正
  • 融合fastq trim cut等过程于一身的包 fastp
  • 自己编写一个包