对于研究生有用的一些生物信息学知识

【引用】对于研究生有用的一些生物信息学知识（转载）Bioinformatics 2011-01-11 11:39:58 阅读47 评论0 字号：大中小订阅 本文引用自人生若只如初见【引用】对于研究生有用的一些生物信息学知识（转载）和大家分享这篇日志，我的看法是：原文地址：【引用】对于研究生有用的一些生物信息学知原文作者：人生若只如初见和大家分享这篇日志，我的看法是：原文地址：对于研究生有用的一些生物信息学知识（转载原文作者：fhqdddddd还有几个月快毕业离校了，写完硕士论文翻翻电脑中的资料，感觉可能对一些同学有用，我把一些自己曾经用过的东西整理了一下，希望对读研期间的同学能多少有些帮助，有些东西我可能写的不是很详细，另有一些电子书，附件上传以下软件内容多用于批量处理核酸或蛋白的序列，少量的完全没有必要这么麻烦。1 .Blast程序本地化使用的方法（转）Blast程序的下载地址: /blast/executables/release/2.2.9/blast-2.2.9-ia32-win32.exe数据库的下载/blast/db/FASTA/其中 nr.gz 为非冗余的数据库，nt.gz 为核酸数据库month.nt.gz 为最近一个月的核酸序列数据。下载完后，blast-2.2.9-ia32-win32.exe 为自解压文件，双击运行后，在当前目录中会释放许多程序。下载的month.nt.gz先用winrar解压缩。得到 month.nt 然后使用formatdb.exe对数据库进行格式化。在MS-DOS环境下，输入formatdb.exe -i month.nt -p F -o T-i input file 参数用于指定需要格式的数据库-p type of file 用于指定文件类型，T 为蛋白质，F为核酸，默认为 T-o parse options 用于指定是否解析序列ID并创建索引 T 为创建，F为不创建，默认为F。接着就是blastall.exe 的使用先找到要对比的序列，这里是从程序包使用说明中拿来的一段FASTA格式的序列作为测试序列。 TestAGCTTTTCATTCTGACTGCAACGGGCAATATGTCTCTGTGTGGATTAAAAAAAGAGTGTCTGATAGCAGCTTCTGAACTGGTTACCTGCCGTGAGTAAATTAAAATTTTATTGACTTAGGTCACTAAATACTTTAACCAA将此段序列保存为test.txt 置于程序目录下。然后在DOS窗口下，使用 blastall -p blastn -d month.nt -i test.txt -o out.txt-p program name 为需要使用的程序名 blastn 为核酸序列对比搜索 blastp 为蛋白质序列对比搜索 blastx 为用被翻译的核酸序列在蛋白质数据库中搜索 tblastn 为 用蛋白质序列在 核酸序列翻译后数据库 *1中搜索 tblastx 为用翻译后的核酸序列 在 核酸序列翻译后数据库中搜索注:*1原英文为 translated nucleotide database 意思为，将核酸序列通过计算机翻译为对应的蛋白质序列而形成的数据库，此处我自己水平有限，不知道该怎么正确翻译，特此注明。-d database name 指定所使用的数据库名称-i input file 待搜索的序列文件-o output file 指定保存结果的文件即可在out.txt中得到相应的结果。此外，之前由于在使用formatdb.exe 使 没有使用 -o T 参数，导致没有生成索引文件，出现了以下错误提示：NULL_Caption WARNING: Test: Could not find index files for database month.nt在此说明，希望能对以后遇到和我一样错误的人，一个正确的解决办法，那就是在使用formatdb.exe时,不要忘了-o 参数，因为这个参数默认是不创建索引的，另外数据库的类型不要弄错了 附赠blast批量解析perl脚本(linux系统运行，xp下需安装Avtiveperl运行)，解析内容包括相似性最高的gene ID, E-value,score功能注释#!/usr/bin/perl -w (blast解析脚本)open (ONE,fxzdownblast.out);while ($one=) $num=0; if ($one=/Query=/) $count+; chomp $one; $one=s/Query= /; print $onet; OUT: while ($two=) if($two=/) chomp $two; $two=s/; print $twot; array=(); while($three=) if ($three=/) last OUT; else if ($three=/Score/) $num+; if($num=2) last OUT; if ($three=/Score/) $three=/(Expect = .*)/; print $1t; if ($three =/Query/) push (array,$three); if ($three =/Sbjct/) push (array,$three); if ($#array3) $array0=/(d+).*(d+)/;$q_b=$1;$array1=/(d+).*(d+)/;$s_b=$1;$array-2=/(d+).*?(d+)/;$q_e=$2;$array-1=/(d+).*?(d+)/;$s_e=$2;print $q_bt$q_et$s_bt$s_en; else $array0=/(d+).*?(d+)/;print $1t$2t;$array-1=/(d+).*?(d+)/;print $1t$2n; #print $countn;2.seqclean批量去载体和污染（少量序列可使用NCBI VecScreen去除）/cgi-bin/tgi/download.pl?ftp_dir=software&file_dir=seqclean/seqclean.tar.gzlinux系统安装，使用需下载NCBI载体库，具体使用参看脚本内部说明，一般就简单几个参数。3.phrap phred consed crosmatch/一套序列拼接软件，需申请获得，phrap源码因对方用unix uucode编码传输，所以邮件服务器可能给截码，无法解压，收到后注意自己解码，phred 用于读取峰图，consed可用于检测多态性，crosmatch可去除载体序列（载体序列已知），用于大量的EST测序或基因组测序拼接。cap3也是另一拼接软件，精确度较phrap较高，但没有phrap拼接长4.blast2GO（XP系统linux都可）/基因功能注释软件，比较强大，注释包括GO、KEGG、EC等，缺点是在线运行，要是赶上网速慢，那你死定了，而且时常短线，本人测试正常情况300条序列大概六个小时，做芯片差异基因或SSH文库的EST注释还可以。安装时须java坏境，先安装erproscan基因功能注释，包括功能域，需下载大约9G数据库，缺点一般电脑运行相当慢，服务器很爽。运行环境linux perl.6.蛋白功能预测今年来文章提到的一个不错的网站 http:/www.sbg.bio.ic.ac.uk/phyre/index.cgi7.基因预测GeneScan可在线运行，也可本地化（linux环境）8.emboss软件包（Linux）ftp:/ftp.ebi.ac.uk/pub/software/unix/EMBOSS/功能很强大，功能较多，包括批量序列寻找开房读码框orf,多序列比对，进化树构建等，还有蛋白分析，很多功能还未尝试使用，一句话，相当强大。9.单倍型分析软件Haploview（XP）/ftp/pub/mpg/haploview/hapinstall.exe10.ssr分析软件misa.pl(linux)其实说软件就是一个简单的perl脚本,很快，测试20万条，大概需要10分钟，结果形式如下 IDSSRnr.SSRtypeSSRsizestartenda1c*(GA)18(GAT)5*491765b1p1(G)1717368384c1p2(AG)8161833d1p3(GGA)515365379e1p1(T)1919118136gi|285809600|gb|GW403132.1|GW403132_C303D11R_Fragaria_x_ananassa_var._Chandler_red_fruit_UCO_library_C3_Fragaria_x_ananassa_cDNA_clone_C303D11R,_mRNA_sequence1p3(CCT)61856658311.芯片相关网站博奥分子功能注释系统 MAS /zh-hans/support/MASAFFy的网站 /estore/analysis/index.affx;jsessionid=356DF8ADFB6A57F79502E17779CCF2F8?category=34005&categoryIdClicked=34005&rootCategoryId=34005&navMode=34005&aId=netAffxNav都需免费注册12.芯片分析软件R&bioncondutorR统计软件并安装bionvondutor包，功能很是强大，生物信息类的功能很多很好的工具，缺点，说明都是E文的，看懂说明其实熟悉就可以基本操作，说明很全面，其实自己感觉，如果三年研究生能完全数量掌握此软件，已经是一招吃遍天了，目前很多做生信的都在使用13.annot8r/bioinformatics/annot8r/index.shtmlest批量本地化注释软件，叫其他基因功能注释软件很迅速，安装比较麻烦，当时和一同学不懂搞了很长时间，平台linux 需postgresql、本地blast、perl annot8r.pl等14.pathway 分析北大生物中心/15.sam统计分析与芯片分析，安装后自带样本目录，前提芯片三个重复以上才能用16.Sigmastatexcel插件，基本的统计算法全能满足，数学应用16.生物类电子书和词典下载 植物学 植物学词典 /glossary/ 该词典词汇量约 4400 ，包括了植物、园艺、建筑、风景等方面的术语 中国花卉报的花卉拉丁名、英文名、汉语名词典 /dict/ 植物拉丁名 - 英文普通名词典 p.leeds.ac.uk/pfaf/D_latin.html 植物药材索引 /botanical/mgmh/comindx.html 该词典由 Mrs. M. Grieve 于 1931 年出版，包含了药学、烹调学、化妆以及民间药材等方面的术语 常见植物病 /online/common/t