- 综合排序
- 最热优先
- 最新优先
- 来自专栏Linux基础入门
TBtools | 获取基因代表序列、基因序列模式定位
本次介绍的是TBtools序列工具中的获取Fasta文件中的基因代表序列以及基因序列模式定位。 首先是Fasta Get Representative，该功能可以帮助我们在一个有多条序列的Fasta文件中提取出最长的代表性序列，用于下游分析。 输出结果： >CP60818.2 ACTAGCACGTGTGTGTGCATGCA >CP60819.1 ACGATCGACTAGCATGCATCGAT 重要提示：在这里最重要的一步是使用正确的正则表达式进行序列 http://tool.chinaz.com/regex 接下来介绍的是Sequence Pattern Locate，该功能可以在一个基因组文件中找到你需要的一段序列并定位其位置。 ID、起始坐标、终止坐标、匹配到的序列。
5.1K10编辑于 2021-12-31 - 来自专栏生物信息学
Ensembl快速下载基因的同源基因序列
直系同源因物种形成（speciation）而被区分开（separated）：若一个基因原先存在于某个物种，而该物种分化为了两个物种，那么新物种中的基因是直系同源的；旁系同源的序列因基因复制（gene duplication ）而被区分开（separated）：若生物体中的某个基因被复制了，那么两个副本序列就是旁系同源的。 由图可知，ensembl总共支持11中格式的序列下载，分别是CLUSTALW、FASTA、Mega、MSF、Nexus、OrthoXML、Pfam、Phylip、PhyloXML、PSI、Stockholm 可以适用于不同的软件，我们选择最常规的FASTA格式进行下载，然后在FASTA格式里选择 Unaligned sequences – proteins 这一项，之后点击红框中的 Download 按钮对MYH9基因的同源基因的蛋白序列进行下载 可能有人会问只有序列怎么通过ensembl寻找同源基因，这个可以通过Ensembl的BLAST/BLAT功能来寻找序列对应的基因，BLAST/BLAT功能的位置在下图的红框中进行标出： ?
7K50发布于 2020-04-14 - 来自专栏生物信息学、python、R、linux
Fimo扫描基因组序列
在做motif分析时，经常用Fimo扫描基因组序列得到motif对应的序列位置，进而进行下一步的分析。说明文档可参考：http://meme-suite.org/doc/fimo.html ? motif file sequence file是序列文件，用全基因组还是提出来的基因组片段都可以。 其他参数还有： ?
2.8K10发布于 2020-04-01 - 来自专栏生信菜鸟团
详解 Python 批量下载基因序列
对于分析比对多个基因序列文件时的工作量说多了都是泪。比如，老板让你比对自己测定序列与 NCBI 库中序列，并构建相应的进化树，而这个序列需要大于100条。 我想你的心情不会和下载一条序列时那么平静，那么，接下来通过BioPython提供的接口来实现快速的自动化序列下载。 自动获取基因序列数据 0. 利用 Nucleotide 数据库来查询所有 oct4 基因的序列数据，为了展示基础的流程，这里采用逐条下载的方式 from Bio import Entrez,SeqIO # 参数设置 Entrez.email = "your_email@163.com" Entrez.tool = "getGeneSeqScript" # 查询 oct4 基因的在 Nucleotide 中的总数 hd_egquery ids = read_esearch["IdList"][:2] # 用得到的 id 列表去下载每一条 fasta 文件，并合并，以便后续分析使用（比如进化树构建） hd_efetch_fa = Entrez.efetch
2.4K40发布于 2021-04-13 - 来自专栏生信探索
基因序列变异信息VCF (Variant Call Format)
VCF是Variant Call Format的简称，是一种定义的专门用于存储基因序列突变信息的文本格式。在生物信息分析中会大量用到VCF格式。 第二部分是以TAB分割的列称为records，前7列必须存在，可以用.表示空值第1列：CHROM chromosome；染色体名称或contig名称；第2列：POS position；参考基因组突变碱基位置 的第一个碱基位置；第3列：ID dentifier； 突变的名称，比如dbSNP的名字第4列：REFreference base(s)；参考染色体的碱基第5列：ALTalternate base(s； 与参考序列比较 ，用:分割，当有多个值时用,分割举个例子CHROM=chr1：一号染色体POS=13649：13649处REF=G：参考基因组上13649处的碱基为GALT=C：所有样本中基因组上13649处可能发生的突变为 位点的reads数为16=12+4GQ=64：GT=0/1（即基因型为G/C）时的质量值为64PL=64,0,281：最有可能的GT是0/1（即基因型为G/C），对应PL值为0，概率为1#CHROM
1.5K41编辑于 2023-05-23 - 来自专栏生物信息与临床医学专栏
多基因风险评分2
由于人类是一个二倍体生物，这也就意味着人的染色体基因型是由两种碱基组成，如果一个人在染色体某一位置上的基因型（SNP）是AA，并且AA就是野生型，突变的情况是A突变成G，那么基因型AG就是杂合型，GG就是纯合突变型 ，为了方便计算，我们规定基因型为AA的人的等位基因剂量为0，AG的等位基因剂量为1，GG的等位基因剂量为2，我们也称该SNP的等位基因剂量分别是0、1、2，其他相关知识点可参考往期遗传学概述。 通常情况下我们需要获取某一个SNP对该疾病的效应等位基因（effect allele）、效应量（effect size，通常是BETA或OR）、效应量的标准误以及该效应量的P值，一般来说该P值是要小于全基因组显著水平的 这种方法是最早提出也是最为简便的计算方法，就是将每个个体上的SNP的效应值和等位基因剂量相乘，然后将各个SNP的得分累加后获取个体的PRS。 关于多基因风险评分的计算方法就讲到这里，在下期内容中我会和大家介绍如何使用PRSice软件来快速计算PRS，敬请期待！
2K21发布于 2020-08-27 - 来自专栏微生态与微进化
基因组CRISPR序列及Cas酶预测
在CRISPR特征序列附近还有一些CRISPR-associated基因，编码一系列Cas蛋白，合称CRISPR/Cas系统。 随后，Cas1/2蛋白复合物将原间隔序列从外源DNA中剪切下来，并在其他酶的协助下将原间隔序列插入临近CRISPR序列前导区的下游。然后，DNA会进行修复，将打开的双链缺口闭合。 这样一来，一段新的间隔序列就被添加到了基因组的CRISPR序列之中，形成了对病毒DNA的免疫“记忆”。 02 CRISPR预测 原核生物基因组中可能多处存在CRISPR序列，其预测注释可以使用CRISPRfinder（http://crispr.i2bc.paris-saclay.fr/Server/）在线分析 mkvtree2、vsubseqselect2。
1.6K30编辑于 2022-05-05 - 来自专栏Y大宽
1️⃣ 序列获取（2）：RNA序列获取
1 ncRNAdb(noncoding RNA database) 虽不编码蛋白质，但是参与包括染色质结构重建，基因表达层面的转录和翻译调控，亚细胞位置等调控。 30,000 sequences; 66,4 MB) Browse Information pages Download Download the sequences in FASTA format 2 RNA database 4 Rfam: database of noncoding RNA families 5 miRBase: microRNA database 可检索公开发表的miRNA序列和注释信息 可获得和下载miRNA的发卡和成熟序列 可下载miRBase中所有序列和注释 -用户可以注册提交新miRNA,可命名 可以通过miRBase连接到microCom获取预测的靶基因 ps，顺便安利一个关于 annotation data are also available for download. 6 tRNA database 7 UTRdb/UTRsite真核生物mRNA 5'和3'端非翻译区序列的非冗余数据库
1.7K20发布于 2019-01-28 - 来自专栏小明的数据分析笔记本
叶绿体基因组重复序列分析工具~REPuter
叶绿体基因组的文章通常都会做重复序列分析，其中会使用在线工具REPuter 来分析forward reverse complement palindromic 四种重复序列。 id=reputer_manual_manual 使用方法也很简单，直接上传fasta格式的序列，然后会有4个输入框需要填。分别是 重复片段的最大 最小长度。然后还有两个距离。 这两个距离是什么意思，现在我也不太清楚，可能是度量重复序列之间相似度的指标吧。我看到有论文里写会设置海明距离的。 然而自己在使用的时候一直会遇到报错， ? 不知道是什么原因，自己猜测是因为序列太长，在线版运行运算能力不够，所以尝试下载单机版REPuter，但是一直没有找到下载方法，无意间发现了vmatch程序，其中有一个perl脚本repfind.pl可以做 -f 和 -p 参数分别指定计算forward和palindromic重复，-h 海明距离3, -l 最小重复单位30bp 之前将以上的内容分享到了简书，今天有人留言说使用REPuter 做重复序列分析的时候
2.5K10发布于 2020-10-26 - 来自专栏生信小驿站
查询基因的核苷酸序列和蛋白的氨基酸序列
查询基因的核苷酸序列 （1）在pubmed gene数据库选择输入想要查询的基因，点击search即可。 ? （2）选择人类 ? （3）选择人FASTA ? （4）得到核苷酸序列 ? 查询基因的核苷酸序列 （1）首先得到基因的UNIprotKB identifier ? （2）在UniProtKB 数据库基于identifier搜索蛋白相关信息 ? （4）得到氨基酸序列 ?
2.9K30发布于 2020-06-05 - 来自专栏生信修炼手册
RepeatMasker:查找基因组上的重复序列
RepeatMasker软件用于查找基因组上的重复序列，默认情况下，会将重复序列原有的碱基用N代替，从而达到标记重复序列的目的。 除此之外，也可以采用将重复序列转换为小写或者直接去除的方式，来标记重复序列。 该软件将输入的DNA序列与Dfam和Repbase数据库中已知的重复序列进行比对，从而识别输入序列中的重复序列。 在Sequence中输入或者上传FASTA格式的DNA序列；Search Engine选择比对软件，Speed/Sensitivity选择运行模式，不同模式的主要区别在于运行速度与敏感度的差异，DNA 软件基本用法如下 RepeatMasker -pa 5 -small -species human chrM.fa -pa指定线程数，只有输入文件大于50Kb时才发挥作用；-small表示将重复序列转换为小写 运行完成后，会生成多个文件，后缀为masked的文件为标记重复序列后的文件，后缀为.out的文件保存了重复序列区间信息。
3.5K20发布于 2020-05-08 - 来自专栏微生态与微进化
宏基因组reads筛选：去除宿主序列
基于环境的复杂性与研究对象的不同，宏基因组数据在组装之前常需要过滤掉一些序列以防干扰研究。例如要研究动植物组织或肠道的微生物组，往往需要去除宿主的DNA序列。 假如研究的是人类肠道微生物的宏基因组，需要去除属于人基因组的序列。具体方法为将质控后的序列和人类基因组序列进行比对，将比对上的序列去除。 宏基因组reads筛选：去除宿主序列 测序数据的组装：常用软件工具 更新中…… 短序列有参比对常用的软件有BWA、Bowtie、BBMap等。下面以Bowtie 2为例。 首先需要下载参考基因组，这里以人类为例，可以去NCBI下载最新版本的人类基因组序列（https://www.ncbi.nlm.nih.gov/projects/genome/guide/human/index.shtml ，根据序列信息，将原始数据中包含有宿主基因组的序列去除： 其中第一列为参考基因组染色体或scaffold名称，第二列与第三列为read在该染色体或scafflold比对的起始与终止位置，第四列为比对上的
4.3K30编辑于 2022-05-05 - 来自专栏数据科学（冷冻工厂）
三维基因组｜基因组结构 (2)
生化活性调控元件（由序列特异性调控转录因子结合）： 启动子：启动子是基因 TSS (+1) 周围的区域，其中包含多个有助于调节蛋白结合的 DNA 元件。 沉默子：沉默子是能够结合转录调控因子的DNA序列，阻止RNA聚合酶与DNA序列的结合，从而阻止基因表达为蛋白质。 TAD 拓扑结构域 拓扑关联域 (TAD) 是一个自相互作用的基因组区域，这意味着 TAD 内的 DNA 序列之间的物理相互作用比 TAD 外的序列更频繁。 基因组到 TAD 的空间划分与许多线性基因组特征相关，例如组蛋白修饰、协调基因表达、与核纤层和 DNA 复制时间的关联、增强子-启动子相互作用。 另一个显着特征是环锚定处的 CTCF 位点主要以会聚方向出现，这表明不仅结合而且结合序列的方向性对于环的形成也很重要。
45510编辑于 2024-03-02 - 来自专栏生信技能树
基于全基因组的基因家族分析（2）：SlNRAMP家族基因成员鉴定
The plant belongs to the nightshade family, Solanaceae. 2.获取基因家族pfam number 进入官网https://pfam.xfam.org Nramp.hmm 是上一步下载到的文件 protein.fa是番茄全基因组蛋白序列文件 out是重定向的输出的文件 找到的成员信息，可以看出来，初步找到了共10个NRAMP成员。 ，我利用一个perl单行命令将fasta格式的多行序列变成单行的fasta格式序列，链接：http://www.biotrainee.com/thread-291-1-1.html perl -pe ' print "\n" : chomp' in.fasta | tail -n +2 > out.fasta # 最后在samrt网站确认是否是该家族成员，进行最后的鉴定。 含有NRAMP结构域的基因
1.5K20发布于 2019-05-14 - 来自专栏数据挖掘
数据挖掘—UCSC中获取某基因的启动子序列及基因结构剖析
数据挖掘—UCSC中获取某基因的启动子序列及基因结构剖析关于获取某基因的启动子序列，我之前已经有两篇帖子进行介绍了，见数据挖掘—NCBI中获取某基因序列和转录起始位点MSP甲基化引物设计最近遇到实验室的一个需求 ：CHIP-PCR验证某转录因子与JAK1、JAK2基因的启动子序列是否结合，并使用NCBI primer blast设计特异性引物。 前期我们需要获取JAK1、JAK2基因的启动子序列。这里介绍使用UCSC获取启动子序列的方法，更为方便。 1.使用UCSC网站，点击Genomes,选择Human GRch38/hg38 ,检索基因2.一般将转录起始位点（TSS）上游的2000bp左右作为启动子序列正链基因及基因起始往前2000bp，如JAK2 JAK2为例，4985271更靠近TSS负链基因是较为难理解的，我到现在也比较模糊，竟然也是右侧更靠近TSS。JAK1为例，64968549更靠近TSS。
1.9K11编辑于 2025-10-20 - 来自专栏Reinvent Data Science
用 AI 识别基因，从向量化 DNA 序列开始
每个生物都有不同的基因组，比如人类基因组中含有3万个左右基因，约30亿个 DNA 碱基对，每个碱基对有2个对应的碱基。 为了减少处理数据的成本，业内通常使用 k-mer [2] 预处理序列，同时能够使 DNA 序列更接近普通文本的词句结构。而向量化数据则能够进一步提高计算速度，并适用于大数据分析与机器学习。 基因序列分类 输入未知类别的 DNA 序列，在 Milvus 数据库中搜索与其相似的序列便可以对搜索对象进行基因分类，以此了解其可能的功能。 示例中的模型对未插入集合的人类基因序列进行搜索，成功根据搜索结果返回了正确的基因类别，证明了 Milvus 的向量相似性搜索能够分类基因序列。 %20the%20term%20k%2Dmer,total%20possible%20k%2Dmers%2C%20where https://www.kaggle.com/nageshsingh/dna-sequence-dataset
1.6K21发布于 2021-08-20 课前准备---空间基因梯度2
至于空间基因梯度，主要是有如下的运用。 对伤口损伤的小鼠大脑皮层（损伤后3天）进行空间转录组梯度分析中，空间梯度分析从损伤核心（深红色点）向周边（浅粉色）的区域内进行分析，其中还这涉及到基因调控的一些内容。 usr/R###zhaoyunfei###20240801library(Seurat)library(Matrix)library(RcppML) library(ggplot2)library(dplyr = "/home/samples/DB/Spatial/data/ST/ST-liver2/",image.name = "tissue_lowres_image.png", filter.matrix = TRUE)data <- Load10X_Spatial(data.dir = "/home/samples/DB/Spatial/data/ST/ST-liver<em>2</em>/",filename = "
21120编辑于 2024-08-05- 来自专栏生物信息学
一文搞定参考基因组序列下载
生物信息学的分析很大一部分都是围绕序列展开，可以说序列分析催生了生物信息学。比如通过与参考基因组序列进行比对，检测各种变异；RNA-seq数据与参考基因组比对，进行定量。 今天给大家介绍如何下载某一个物种的参考基因组序列，分为浏览器版与命令行版2种方式。 浏览器版 通过NCBI的genome数据库下载。 比如我要下载人类参考基因组序列，打开https://www.ncbi.nlm.nih.gov/genome ,在搜索框中输入human, 会出现很多关键词提示，我们选择第一个（这是human的双名法名字 ）如下图 点击搜索，返回的结果页面包括人基因组的各种基本信息，比如每一条染色体的大小、GC含量、基因数目、假基因数目、编码的蛋白质数目。 当然我们的目的是下载参考基因组序列，其他信息先不管，结果页面最上面的部分显示了参考基因组的DNA，转录本，蛋白质三种类型的FASTA序列下载地址，如下所示 点击genome就可以下载了。
3.2K20发布于 2020-04-14 - 来自专栏简说基因
模糊匹配：让基因序列分析不再「看走眼」
在基因组学研究中，迅速锁定特定的核苷酸序列模式是至关重要的步骤。 • 跨物种比对：能在20+参考基因组中同步搜索潜在匹配位点 • 可视化报告：生成带颜色标注的交互式热力图，直观展示模糊位点分布规律 2. 通过bash脚本实现批量处理，特别适合大规模基因组扫描。 5. 容错机制与扩展应用 允许设置错配阈值（如1-2个碱基不匹配），这一特性使其在启动子区域预测和引物设计评估中表现出色。 2. 限制性酶切位点分析 在基因编辑实验中，快速筛选可能被特定限制性内切酶识别的位点，规避非特异性切割风险。 3. 总结 Fuzznuc用创新模糊序列解析技术推动基因编辑研究，深入解析罕见变异与微生物组复杂基因。它适用于病毒进化、微生物群落分析及基因家族鉴定。
31510编辑于 2025-02-25 - 来自专栏Y大宽
查找一个基因的启动子序列
启动子通常位于转录起始位点（transcription start site，TSS）或第一个exon的上游 其次，找gene的TSS 对于注释好的物种的基因组，就很好找其promoter sequence Databse（EPD） promoter sequence of a Gene from Ensembl --以Ensembl为例-- 1 打开上述Ensembl网址，选择物种，以示例中的BRCA2为例 点击上图红框 2 点击sequence 点击sequence 3 粉色背景红色文本为exons，第一个exon前面的sequence
5.7K20发布于 2018-12-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号