FineSplice是TopHat2的Python包装器，旨在可靠地从RNA-Seq数据中识别表达的外显子连接，从而提高了检测精度，而灵敏度损失很小。 使用已知的成绩单注释与TopHat2对齐后，FineSplice将生成的BAM文件作为输入，并输出一组带有相应读取计数的可信的拼接结。 通过基于逻辑回归的半监督异常检测策略，可以滤除由虚假对齐产生的潜在误报。 过滤后，具有唯一位置的多个映射读取将被抢救并重新分配到最可靠的候选位置。 FineSplice需要安装了以下模块的Python 2.x（> = 2.6）：pysam（http://code.google.com/p/pysam/）和scikit-learn（http://scikit-learn.org/） 。 有关更多详细信息，请查看我们的出版物：Nucl。 酸Res。 （2014）doi：10.1093 / nar / gku166

脊髓灰质炎病毒Sabin到Mahoney遗传状态转变的随机模拟模型（C ++代码）。 对基因型，病毒种群和准种云建模。 模拟复制错误和复制选择重组。 用户指定指导模型的各种参数。 Python代码对模拟输出进行后处理，以生成报告文件。

使用高性能计算（HPC）的RNA-seq简介 观众 所需的计算能力 期间 生物学家 没有 3节在线研讨会（约7.5个小时，由讲师指导） 描述 该资料库提供了为期2天的RNA测序数据分析研讨会的教学材料。 该研讨会的重点是教授基本的计算技能，以有效利用高性能计算环境来实现RNA-seq数据分析工作流程。 它包括对shell（bash）和shell脚本的介绍。 除了运行来自FASTQ文件的RNA-seq工作流程以使用Salmon进行数据计数外，研讨会还涵盖了RNA-seq实验设计和数据组织/管理的最佳实践准则。 培训师注意事项：请注意，以下链接的时间表假定学习者将花费3-4个小时在阅读和完成各节课之间所选课程的练习上。 讲习班的在线部分着重于更多练习和讨论/问答。 这些材料是为培训师主导的讲习班开发的，但也适合进行自学学习。 学习目标 了解用于分析高通量测序数据的命令行界面（bash）和H

成绩单 微生物RNA序列管线

Rnaviz 2.0 软件用于RNA二级结构作图，此压缩文件中不包含其依赖安装包ClassyTk1.0和tcl-8.3.2

维基百科关于16S RNA的中文解释，因维基百科被和谐，在此分享。

pRNAm-PC：通过理化性质预测RNA序列中的N-6-甲基腺苷位点

基于RNA遗传算法的双倒立摆1型/ 2型模糊逻辑系统优化。

分解质因数，适合RNA分解大数...喵

SCDE概述 scde程序包实现了一组用于分析单细胞RNA-seq数据的统计方法。 scde适合用于单细胞RNA-seq测量的单个误差模型。 然后可以将这些模型用于评估细胞组之间的差异表达以及其他类型的分析。 scde软件包还包含pagoda框架，该pagoda框架应用途径和基因集过度分散分析来识别单细胞之间转录异质性的各个方面。 以下出版物详细介绍了差异表达分析的总体方法： 在以下出版物中详细介绍了途径和基因组过度分散分析的总体方法： 有关其他安装信息，教程等，请访问 样品分析和图像 单细胞错误建模 scde使用源自单细胞RNA-seq数据的计数scde拟合单细胞的个体误差模型，