- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信技能树
HiC数据分析实战之Hic-pro
Hic-pro 软件 Hic-pro安装比较麻烦，我就不重复写了，大家仔细查看第3讲：流程及软件 。 很明显，前面教程我们讲到我们的Hic-pro安装在： source activate hic /home/zengjianming/biosoft/hicpro/bin/HiC-Pro_2.10.0/bin Hic-pro软件的使用。 ~/data/project/hic/ cd ~/data/project/hic/ 参考基因组 mkdir -p ~/data/project/hic/ref cd ~/data/project/hic 消化片段位点文件，这个文件在每个HIC流程中都需要生成，一般HiC建库的酶为hindiii(A^AGCTT ) 或者dnpiii 生成命令为 /PATH/HiC-Pro-master/bin/utils
6.4K21发布于 2018-08-06 - 来自专栏生信修炼手册
HiC-Pro实战详解
HiC-Pro软件非常灵活，不仅可以处理各种不同建库方式的Hi-C数据，也可以处理capture Hi-C数据。 /configure make make install # HiC-Pro wget https://github.com/nservant/HiC-Pro/archive/v2.11.1.tar.gz tar xzvf v2.11.1.tar.gz cd HiC-Pro-2.11.1 make configure make install 安装好之后，需要准备以下几种参考物种的相关文件 1. 输出结果目录如下 |-- bowtie_results |-- config_test_latest.txt |-- hic_results |-- logs |-- rawdata -> /HiC-Pro -2.11.1/test_data/ `-- tmp 其中hic_results目录下是最终结果，包含了不同分辨率下的hi-c图谱和质控的图表。
2.7K10发布于 2019-12-19 - 来自专栏雨过天晴
HiC Pro 环境配置及使用
HiC Pro 是一组基因组分析套件，可提供 HiC 相关的分析。配置运行时环境Python 环境 和 Docker 环境 二选一即可。 .tar.gz# 根据 HiC Pro 项目中的配置文件创建一个全新的环境conda env create -f HiC-Pro-3.1.0/environment.yml# 激活 HiC-Pro Python name 代表 docker 运行时名称；-v 代表挂载目录（可挂载多个路径）；nservant/hicpro 代表镜像名称；/HiC-Pro_3.0.0/bin/HiC-Pro 代表 HiC Pro Pro 程序参数：/HiC-Pro_3.0.0/bin/HiC-Pro -c /data/E234/config-hicpro.txt -o analysis -i /data/E234/dataHic 如果是 Docker 环境: /HiC-Pro_3.1.0 (注意 3.1.0 为软件版本，后续可能改变，可通过 ls 查看根目录下判断得出具体目录)/HiC-Pro_3.0.0/bin/HiC-Pro
1.9K00编辑于 2022-10-30 - 来自专栏雨过天晴
HiC Pro 环境配置及使用
HiC Pro 是一组基因组分析套件，可提供 HiC 相关的分析。 配置运行时环境 Python 环境 和 Docker 环境 二选一即可。 v3.1.0.tar.gz # 根据 HiC Pro 项目中的配置文件创建一个全新的环境 conda env create -f HiC-Pro-3.1.0/environment.yml # 激活 HiC-Pro Python 环境 conda activate HiC-Pro_v3.1.0 # 可选，AWS Ubuntu 需要安装 apt install g++ unzip # 生成配置， ；—name 代表 docker 运行时名称；-v 代表挂载目录（可挂载多个路径）； nservant/hicpro 代表镜像名称； /HiC-Pro_3.0.0/bin/HiC-Pro 代表 HiC Pro 程序参数： /HiC-Pro_3.0.0/bin/HiC-Pro -c /data/E234/config-hicpro.txt -o analysis -i /data/E234/data
1K30编辑于 2022-11-23 - 来自专栏生信技能树
HiC数据分析实战（一）
/miniconda3/envs/hic/bin/R PYTHON_PATH =/home/zengjianming/miniconda3/envs/hic/bin/python CLUSTER_SYS /home/zengjianming/biosoft/hicpro/bin/HiC-Pro_2.10.0/bin/HiC-Pro -h 这样如果输出了帮助文档，说明安装成功哦。 Hic-pro教程 其说明书完全不逊于hiclib，详见：http://nservant.github.io/HiC-Pro 大体上看就6个步骤，比对、过滤HiC比对结果、检测有效HiC序列、结果合并、 构建HiC关联图谱以及关联图谱标准化。 当然，不得不提的是其特色功能：位基因特异性HiC分析 今天有点晚了，明天继续实战哦。
7.2K53发布于 2018-08-06 - 来自专栏AI智韵
YoloV8改进策略：复现HIC-YOLOv5，打造HIC-YOLOv8，用于小物体检测
摘要 HIC-YOLOv5主要贡献可以总结如下： 额外的预测头专为小物体设计。它在更高分辨率的特征图中检测物体，这些特征图包含更多关于微小和小物体的信息。 结果表明，HIC-YOLOv5在VisDrone-2019-DET数据集上的mAP@[.5:.95]提高了6.42%，mAP@0.5提高了9.38%。 我们参照HIC-YOLOv5，将这些改进用于YoloV8，效果如何呢？我们一起见证吧！ 总结 本文使用YoloV8复现了HIC-YOLOv5的改进，由于数据集中的物体并没有很多太小的！所以提升不明显！大家可以在自己的数据集上做尝试！
18910编辑于 2024-10-22 - 来自专栏YOLO大作战
YOLOv8改进：HIC-YOLOv8复现魔改HIC-YOLOv5，助力小目标检测（Small Object Detection）
本文独家改进：改进点：1）backbone加入CBAM；2）backbone、neck连接处加入involution注意力；3）添加一个针对小物体的额外预测头，提升小目标检测性能；HIC-YOLOv8 我们的结果表明，HIC-YOLOv5 在 VisDrone-2019-DET 数据集上将 mAP@[.5:.95] 提高了 6.42%，将 mAP@0.5 提高了 9.38%。 YOLOv8有3个检测头，能够多尺度对目标进行检测，但对微小目标检测可能存在检测能力不佳的现象，因此添加一个微小物体的检测头，能够大量涨点，map提升明显；2.HIC-YOLOv8复现2.1加入ultralytics
6.1K170编辑于 2023-11-06 - 来自专栏生信技能树
HiC数据辅组基因组组装之Lachesis
实战我首先介绍的是：HiC数据分析实战之Hic-pro 然后关于实验细节我推荐了资源：Hic建库测序实验流程视频讲解（附送福利资源） 现在插播一个学员投稿： Lachesis安装采坑全纪录 卖萌哥倾情奉献
4K30发布于 2018-09-21 - 来自专栏生信技能树
HiC数据分析实战之通过文章来了解流程
本来准备直接实战了，但是在看一些新的paper 时候发现我漏掉了hic技术应用的文章解读，我还是需要带领大家看看那些已经发表的好文章到底是如何处理hic数据的。 虽然本次我们讲解HiC，但事实上这个文章利用的各种数据比较多，包括： ? 我们关心的HiC数据 主要是4个HiC样本，如下： GSM2334835: Hi-C U266 MboI; Homo sapiens; OTHER GSM2334834: Hi-C U266 HindIII 看看数据处理的中间文件 我尝试下载了 HindIII_HiC_TAD_40kb.tar.gz 文件和HindIII_HiC_ice_matrix_500kb文件并且简单查看，如下: mkdir -p ~ /project/hic/data/myelom cd ~/project/hic/data/data/myelom wget ftp://ftp.ncbi.nlm.nih.gov/geo/samples
3K20发布于 2018-08-06 - 来自专栏数据科学（冷冻工厂）
Juicer: HiC数据分析与辅助基因组组装
导读 本文主要对处理HiC数据的Juicer程序进行一个简短的介绍，并展示如何利用Juicer进行基因组组装中染色体挂载的第一步。 1. aligned aligned目录下存放的是最终结果，包含了可以导入juicebox的后缀为hic的图谱文件, inter.hic和inter_30.hic， 30表示通过MAPQ > 30进行过滤之后的结果
3.5K20编辑于 2023-02-27 - 来自专栏生信技能树
Hic建库测序实验流程视频讲解（附送福利资源）
如果大家还记得我HIC第一讲：三维基因组学习笔记 里面提到： ?
1.5K20发布于 2018-08-16 - 来自专栏AI智韵
YoloV5改进策略：复现HIC-YOLOv5，用于小物体检测
摘要 HIC-YOLOv5主要贡献可以总结如下： 额外的预测头专为小物体设计。它在更高分辨率的特征图中检测物体，这些特征图包含更多关于微小和小物体的信息。 结果表明，HIC-YOLOv5在VisDrone-2019-DET数据集上的mAP@[.5:.95]提高了6.42%，mAP@0.5提高了9.38%。 我们参照HIC-YOLOv5，将这些改进用于YoloV5，效果如何呢？我们一起见证吧！
26010编辑于 2024-10-22 - 来自专栏优雅R
「Workshop」第二十五期 HiC数据分析简介
Hic数据介绍及相关分析 1，什么是Hic数据？ Hi-C是研究染色质三维结构的一种方法。 mkdir HIC003; cd HIC003 mkdir fastq; cd fastq wget http://juicerawsmirror.s3.amazonaws.com/opt/juicer /work/HIC003/fastq/HIC003_S2_L001_R1_001.fastq.gz wget http://juicerawsmirror.s3.amazonaws.com/opt/juicer /work/HIC003/fastq/HIC003_S2_L001_R2_001.fastq.gz cd .. 和inter_30.hic文件，其中的inter_30.hic 是设置了 MAPQ threshold >30 后得到的结果。
4.8K21编辑于 2022-01-21 - 来自专栏单细胞天地
不同的调控程序控制伤口愈合过程中皮肤成纤维细胞的再生潜能
自己单细胞数据也鉴定出HF 间质部分的Hic1表达以及Hic1基因的调控网络。 Hic1主要分布在lower dermis中，upper dermis很少。 Hic1+ 细胞共表达fibro-adipogenic MPs的marker如PDGFRa，SCA1(Ly6a),CD29 ? ? ? ① Hic1+细胞是hfDSC吗? 使用Hic1-tdT小鼠，短期谱系追踪。Hic1+细胞标记一部分的hfDSC。 ? ②毛囊外的Hic1+细胞会在毛发生长期增殖并提供新的真皮细胞吗？ 会，而且是皮肤MP特有的。 监测更长时间的毛发周期发现，70dpw，85dpw,Hic1+细胞还是在新生的DP 中。 ? 毛囊重组实验证明，Hic1+细胞有强劲的再生毛囊能力。 ? ? 4. 9.删除Hic1 通过提高fibro的密度来增加LW中的再生 在骨骼肌和心肌损伤后，Hic1的失活导致fibrosis。皮肤中的Hic1失能会对伤口造成什么影响？
1.4K11发布于 2021-03-10 - 来自专栏数据科学（冷冻工厂）
三维基因组：multiHiCcompare 差异分析
/GSM3262956_D00_HiC_Rep1.hic "$chr" "$chr" BP 5000 > /home/HiC_Matrices/GSM3262956_D00_HiC_Rep1_"$chr "_NONE_5kb.txt straw NONE /home/HiC_Matrices/GSM3262957_D00_HiC_Rep2.hic "$chr" "$chr" BP 5000 > /home /HiC_Matrices/GSM3262957_D00_HiC_Rep2_"$chr"_NONE_5kb.txt straw NONE Matrices/GSM3262964_D15_HiC_Rep1 .hic "$chr" "$chr" BP 5000 > /home/HiC_Matrices/GSM3262964_D15_HiC_Rep1_"$chr"_NONE_5kb.txt straw NONE Matrices/GSM3262965_D15_HiC_Rep2.hic "$chr" "$chr" BP 5000 > /home/HiC_Matrices/GSM3262965_D15_HiC_Rep2
35610编辑于 2025-05-26 - 来自专栏生信修炼手册
HiC-Pro:灵活的Hi-C数据处理软件
HiC-Pro是一款高效的Hi-C数据分析软件，提供了从原始数据到归一化之后的HI-C图谱构建的完整功能，运行效率高，用法简便。 HiC-Pro的一个强大功能在于可以构建单倍型级别的Hi-C图谱，单倍型级别的Hi-C图谱有助于更加精细化理解基因组三维结构，进一步对基因调控等功能进行深入细致的研究。 序列比对 HiC-Pro采用了两步比对的策略，如下所示 ? HIC-Pro还提供了一系列的质控标准，如下图所示 ? 一个高质量的文库绝大部分肯定都能够比对上基因组，如图A所示， R1和R2的比对率都很高。 HiC-Pro所有的参数都放置在一个配置文件中，既可以一键化运行整个pipeline, 也可以分布运行，单独执行其中的某几步，灵活性很强，后续会介绍其详细用法。
2.4K20发布于 2019-12-20 - 来自专栏数据科学（冷冻工厂）
HiChIP 数据分析: 用HiC-Pro预处理原始数据
用HiC-Pro预处理原始数据 HiC-Pro 是用于处理 Hi-C 数据的 pipeline，它从测序 reads（FASTQ 文件）开始，执行多个步骤，如 alignment、filtering、binning Input HiC-Pro 要求原始测序文件被组织在每个样本的子目录中。 就像 restriction fragment 文件一样，HiC-Pro 的安装文件夹里提供了一个预编译的配置文件，名为 config-hic-pro.txt。 对于 alignment 步骤（-s mapping），我们使用如下命令： HiC-Pro=/home/Programs/HiC-Pro-2.11.1/bin/HiC-Pro $HiC-Pro -c 通过 -s quality_checks，HiC-Pro 会再创建两个子文件夹（hic_results/stats/ 和 hic_results/pic/），用于存放所有比对统计信息并以图形方式展示；所有这些结果文件夹还会进一步按
47510编辑于 2025-09-17 - 来自专栏数据科学（冷冻工厂）
基因组之全局互作热图可视化
优势 仅使用.hic文件，无需merged_nodups.txt，仅5秒即可出图 可自定义染色体名称 无需assembly文件 更新 如果有新的需求或者问题请 Open Issues 安装 需要提前安装好 python>3.10 # pip install pip install plothic 使用 输入文件 .hic : 该文件来自3d-dna，您需要选择最终的hic文件（已进行错误调整并确定染色体边界 # name length Chr1 24800000 Chr2 44380000 Chr3 63338000 Chr4 81187000 Chr5 97650000 示例 plothic -hic test.hic -chr chr.txt -r 100000 # -hic > .hic file # -chr > chromosome length (in .hic file) # -r >
53710编辑于 2024-12-30 - 来自专栏数据科学（冷冻工厂）
三维基因组：Loop结构 差异分析(1)
接下来，将重复样本合并成一个 “mega” .hic 文件。这个文件将用于后续的loop结构调用。按照 dietJuicerMerge 流程的说明来创建合并后的 .hic 文件。 使用方法如下： java -jar SIP_HiC.jar hic <hicFile> <chrSizeFile> <Output> <juicerToolsPath> [options] 示例（在 UNC 的 longleaf 集群上提交作业）： java -jar SIP_HiC_v1.6.1.jar hic file.hic hg19_chromSizes_filt.txt outdir juicer_tools.jar /suppl/GSM4259898_HEK_HiC_NUP_IDR_WT_A9_2_1_inter_30.hic", "https://ftp.ncbi.nlm.nih.gov/geo/samples /geo/samples/GSM4259nnn/GSM4259900/suppl/GSM4259900_HEK_HiC_NUP_IDR_FS_A9_1_1_inter_30.hic", "https
48110编辑于 2025-05-15 - 来自专栏数据派THU
机器学习和深度学习引用量最高的20篇论文（2014-2017）
我们还给出了每篇论文的发表时间、高度有影响力的引用数量（HIC）和引用速度（CV），以上数据由 semanticscholar.org 提供。 HIC 表示了以此为基础的论文情况和与其它论文的关系，代表了有意义的引用。CV 是最近 3 年每年引用数量的加权平均。 数据：引用：946、HIC：56、CV：0 摘要：训练深度神经网络的过程很复杂，原因在于每层的输入分布随着训练过程中引起的前面层的参数变化而变化。 数据：引用：463、HIC：55、CV：0 摘要：通过对抗过程，我们提出了一个评估生成模型的新框架。 数据：引用：324、HIC：11、CV：69 摘要：我们提出了用于近似最近邻匹配的新算法，并将其与以前的算法进行比较。
1.2K80发布于 2018-01-29
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