用Perl编写的生物信息学工具 这里的大多数脚本是在我从事不同项目时编写的,我认为这对其他人将很有用,并且可以根据需要进行扩展/修改。 IO ::常规 脚本使用自定义 Perl模块。 请通过浏览目录查看安装说明。 如果要安装lncRNApipe Pipeline,则会自动安装IO::Routine模块。 需要Bio::SeqIO模块已安装且可用。 nc lncRNA管道 从头开始提取推定的新型lncRNA的管道,其中提供了从深度测序数据(例如:RNA-Seq)和注释数据组装而成的GTF格式的转录本列表。 转到目录以获取脚本列表。 安装lncRNApipe及其所有依赖项(Mac和
2024-04-11 16:13:10 325.53MB bioinformatics pipeline perl mirna
1
Mastering Python for Bioinformatics_
2024-02-27 18:18:02 10.27MB python Bioinformatics
1
不同物种酪氨酸酶相关蛋白1(TYRP1)基因的生物信息学分析,郑会芹,李祥龙,酪氨酸酶相关蛋白1(TYRP1)是酪氨酸酶家族的一个成员,不仅参与黑素生成,并且可以抑制黑素细胞的死亡,稳定酪氨酸酶活性和有助于
2024-02-24 09:14:15 157KB 首发论文
1
乌根 下载UGENE: ://ugeneunipro.github.io/ugene/ 建筑UGENE 先决条件 确保已安装Qt(> = 5.4.2和<= 5.15)开发库: 我们强烈建议您使用Qt在线安装程序将Qt安装到任何操作系统上。 这是Windows和macOS操作系统(也适用于Linux)的主要方式。 要安装Qt,请从Qt官方网站( )下载在线安装程序。 确保已安装以下组件: Qt Prebuild组件 Qt脚本 安装Qt的其他选项: Ubuntu> = 14.04:`sudo apt-get install qt5-default qttools5-dev-tools qtscript5-dev libqt5svg5-dev Ubuntu 12.04: 下载并安装Qt 5.5.1: 设置系统变量:export PATH = $ PATH:〜/ Qt5.5.1 / 5.5 / gcc_64 / bin sudo apt-get install g++ libgl1-mesa-dev libglu1-mesa-dev Fedora: sudo yum ins
2024-01-12 16:27:58 27.73MB science workflow bioinformatics cross-platform
1
该书从基因、RNA、蛋白质、表观遗传学四个方面介绍计算生物学和生物信息学知识、案例。作者是Ka-Chun Wong。该电子书文字可复制。
2024-01-10 15:10:38 7.38MB 计算生物学 生物信息学 表观遗传学
1
生物人初学生物信息学的书籍,所以请多多下载
2023-10-09 12:42:01 13.91MB 生物信息学 傻瓜
1
Python for Bioinformatics原版PDF
2023-10-09 12:19:36 5.75MB Python
1
咖啡店 软件基因˚F爱米莉Ë旋涡的Çomputational一nalysis CAFE的目的是通过解释系统进化史并为进化推论提供统计基础的方式来分析基因家族大小的变化。 该程序使用生与死过程来模拟用户指定的系统发育树中的基因得失。 在此模型下生成的家庭规模分布可为评估观察到的分类单元之间家庭规模差异的重要性提供基础。 到 CAFE v4.2.1是CAFE应用程序常规发行版中的最新版本。 该手册和各种教程可以在网站( )上查看。 本文档介绍了如何下载和使用CAFE v4.2.1。 用 CAFE v4.2.1的必要输入是: 一个数据文件,包含系统发育树中包含的分类单元的基因家族大小 Newick格式的系统发育树,包括分支长度 根据以上输入,CAFE v4.2.1将计算: 整个树上或树中用户指定的分支子集上的生死参数λ的最大似然值λ(或单独的生死参数(分别为λ和μ)) 系统发育树中
2023-03-19 23:40:17 6.26MB bioinformatics phylogenetics gene-families C++
1
基于深度学习的生物信息学聚类方法 ”期刊的“”中发表的论文“基于深度学习的生物信息学聚类方法”的代码和补充材料。 此仓库将定期更新。 特别是,将添加更完整的Jupyter笔记本。 在本文中,我们回顾了基于深度学习的聚类分析方法,包括网络训练,表示学习,参数优化和制定聚类质量指标。 我们还讨论了在不同的场景(例如生物成像,基因表达聚类)中,基于不同的自动编码器体系结构(例如,香草,变异,LSTM和卷积)的表示学习如何比基于ML的方法(例如,PCA)更有效。 ,以及将生物医学文本聚类。 基于深度学习的无监督/聚类方法,链接到论文和代码 我们提供了基于深度学习的无监督/聚类方法,论文链接和代码的列表。 此外,还将列出提出新方法和论文的文章。 敬请期待! 标题 文章 会议/期刊 代码 卷积自动编码器(DCEC)的深度聚类 ICONIP'2017 用于一致性培训(UDA)的无监督数据增强 Arx
1
Sortmerna SortMeRNA是用于过滤,定位和聚类的本地序列比对工具。 核心算法基于近似种子,可以对NGS读数进行敏感分析。 SortMeRNA的主要应用是从转录组数据中过滤rRNA。 SortMeRNA将读取(fasta,fastq,fasta.gz,fastq.gz)和一个或多个rRNA数据库文件作为输入文件,并将对齐和拒绝的读取分为两个文件。 其他应用程序包括可通过获得的聚类和分类分配。 SortMeRNA可处理Illumina,Ion Torrent和PacBio数据,并可产生SAM和BLAST样的比对。 目录 入门 SortMeRNA 4可以在Linux和Windows
2022-12-17 21:13:14 33.05MB python bioinformatics cpp alignment
1