用python编写生物信息学中的程序，生物信息学的同学可以看看，个人感觉还是不错

入门 git clone https://github.com/lh3/kmer-cnt cd kmer-cnt make # C++11 required to compile the two C++ implementations wget https://github.com/lh3/kmer-cnt/releases/download/v0.1/M_abscessus_HiSeq_10M.fa.gz ./yak-count M_abscessus_HiSeq_10M.fa.gz > kc-c4.out 介绍 K-mer计数是许多作图者，组装者和其他工具（例如基因分型仪，宏基因组学分析仪等）的基础。 它是生物信息学中最重要的算法类别之一。 在这里，我们将实现基本的k-mer计数算法，但具有高级工程技巧。 我们将看到更好的工程技术可以走多远。 在此仓库中，每个{kc,yak}-*.

平衡计分卡2 BCALM 2是一种生物信息学工具，用于根据测序数据构建压缩的de Bruijn图。 该存储库是BCALM软件的新并行版本。 它使用的是新算法，并使用库实现。 BCALM（版本1）的原始单线程代码仍可在以下位置获得： : 用法 阅读下面的说明进行编译，然后： ./bcalm -in [reads.fa] -kmer-size [kmer_size] -abundance-min [abundance_threshold] 例如 ./bcalm -in reads.fastq -kmer-size 21 -abundance-min 2 重要参数为： -kmer-size [int] k-mer大小，即de Bruijn图的节点长度。 -abundance-min [int] 设置阈值X，在此阈值以下，滤除（严格地）在数据集中少于X次的k-mers； 即通常

cpup 将samtools mpileup结果转换为基本计数tsv 支持多个bam文件 如果不与标签（ -t AD ， -t ADF ， -t ADR ）混淆，则bcftools mpileup可能是一个更好的选择。 samtools mpileup可以按以下格式逐站点汇总映射结果。 第5列（第8列，第11列，第14列...）报告了每个站点中观察到的碱基。 XII 455422 C 16 <<<<<<<<<<<<<<,, FFFFFFFFFFFFFFFF 4 <<,, FFFF XII 455423 T 16 <<<<<<<<<<<<<<,, FFFFFFFFFFFFFFFF 4 <<,, FFFF XII 455424 C 17 <<<<<<<<<<<<<<,,^$, FFFFFFFFFFFFFFFFE 4 <<,, FFFF XII 455425 A 18 <<<<<<<<<

bioinformatics，经典教材 值得一看

GPCRdb数据存储库 该存储库是GPCRdb的参考数据（源数据）的收集点。 有关更多信息，请参阅我们的。

Bioinformatics Programming Using Python.pdf

hadoop_for_bioinformatics 面向生物信息学家的 hadoop 101 教程

Bioinformatics algorithms : techniques and applications

用于化合物和蛋白质建模的深度学习库DTI，药物特性，PPI，DDI，蛋白质功能预测 在药物再利用，虚拟筛选，QSAR，副作用预测等方面的应用 该存储库托管DeepPurpose，DeepPurpose是一个基于深度学习的分子建模和预测工具包，可用于药物-目标相互作用预测，化合物特性预测，蛋白质-蛋白质相互作用预测和蛋白质功能预测（使用PyTorch）。 我们专注于DTI及其在药物再利用和虚拟筛选中的应用，但支持其他各种分子编码任务。 它允许非常简单的用法（仅几行代码），以促进用于生命科学研究的深度学习。 消息！ [05/21] 0.1.2支持5种新的基于图神经网络的复合编码模型（DGL_GCN，DGL_NeuralFP，DGL_GIN_AttrMasking，DGL_GIN_ContextPred，DGL_AttentiveFP），使用！ 提供一个例子！ [12/20] TDC数据