置顶
蛋白质分类相关资源(持续更新)
注意：本帖禁止灌水回复!所有附件仅供内部成员下载和学习交流。菜鸟先去15楼看一下。
1. 问题和数据
1.1 综述
1.1.1 综述论文（问题）
1.1.2 benmark（数据）
1.2 SCOP 蛋白质结构数据库 http://astral.berkeley.edu/
本实验室在该数据库上的工作见 HPFP (发表在PLoS ONE)， ...
置顶
BENCH: 多序列比对参考数据集及评分方法
BENCH（http://www.drive5.com/bench/）是一个多序列比对（Multiple sequence alignment，MSA）参考数据集，包含11个蛋白质MSA数据库和2个DNA MSA数据库，及参考比对结果（即比较理想的比对结果，你的比对结果与此越相似，则评分越高）。BENCH的优点是收录了比较多的常见数据库，并包含了主流的MSA软件对其评分，有很好的参 ...
置顶
JBrowse搭建及使用
UCSC Genome Browser可以说是最好的genome browser，可以搭建麻烦、需要配置数据库。现在介绍一个只需要Apache就可以、不需要数据库的Browser ---- JBrowse （http://jbrowse.org/）
--------------------------------示例------------------------------------
先看一个例子，我在75上搭建人的基因组，http://datamining ...
置顶
WTCCC中的数据处理
置顶
下一代测序数据相关
置顶
基因表达数据分类聚类相关资料（持续更新）
注意：本帖禁止灌水回复!所有附件仅供内部成员下载和学习交流
数据集：
一、国内外生物信息学引用较为广泛的癌症数据集
来源：http://www.gems-system.org/
内容：
说明：这个网站提供的数据是MATLAB矩阵格式的，需要使用MATLAB将其转换为表格格式——使用csvwrite('filename',matrixname)命令即可，然后再用weka自带 ...
置顶
GFF3注释文件
GFF3是GFF注释文件的新标准。文件中每一行为基因组的一个属性，分为9列，以TAB分开。 依次是：
1. reference sequence：参照序列 指出注释的对象。如一个染色体，克隆或片段。可以有多个参照序列。
2. source ：来源 注释的来源。如果未知，则用点（.）代替。
3. type ：类型 属性的类型。建议使用符合SO惯例的名称（sequ ...
置顶
精华
序列比对工具之BLAST
BLAST是基本局部比对搜索工具的缩写。它的功能是对生物不同蛋白质的氨基酸序列或者不同基因的DNA序列进行比对。在相应数据库中进行序列相似性搜索，寻找相同或者相似序列。
ncbi在线服务网址：http://blast.ncbi.nlm.nih.gov/Blast.cgi ...
置顶
[转载]生物信息学名词解释与问答题
(一家之言,仅供参考)
1) 什么是生物信息学所谓的基本数据库，你所知的核酸、蛋白质、结构基本数据库有哪些？
答：生物信息学中的数据是指生物分子的信息，具体表现为DNA序列数据、蛋白质序列数据、生物分子结构数据、生物分子功能数据（包括蛋白质功能的定性描述、蛋白质之间的相互作用描述、基因表达数据、代谢路径、调 ...
置顶
精华
如何在NCBI下载一个物种的EST序列
EST是什么，自己去baidu，简单说来就是一段DNA序列，由全世界的科研工作者无组织无纪律瞎测，测完上传汇总在一起，每一条不靠谱的序列就称为一段EST序列。EST一般长为300-800bp。
如何得到某一个物种，比如甜瓜（cucumis melo）的所有EST序列？
首先，去NCBI（http://www.ncbi.nlm.nih.gov/），在 EST数据库 中搜索 cucum ...
置顶
DNA拼接软件CAP3
执行语句：
cap3 test.txt >test.cap3 -p 99
其中-p 99可省略，是指拼接上的部分相似度要在99%以上
软件
测试文件
置顶
RNAfold的使用方法
RNAfold是预测序列二级结构的软件。
本地版下载地址：
http://www.tbi.univie.ac.at/~ivo/RNA/windoze/
在上面个的网址中还有其他预测结构的软件可供下载~
现在主要介绍一下本地下载版的使用方法：
1.不能够双击应用程序，若双击RNAfold.exe应用,只能手动输入序列，而且只能一条一条输入，极其麻烦
2.应该在Dos环境下 ...
置顶
生物信息学基础读物
1. ，这本书比较基础，涉及的生物、算法都比较简单，建议最先阅读。下载地址：http://ibi.zju.edu.cn/bioinplant/courses/Bioinformatics_note_V.2.htm 2. 清华大学暑期学校视频教程。http://bioinfo.au.tsinghua.edu.cn/GSSBC07/这个教程非常好，刚开始看可能会有些难，建议多看几遍。（如果不是教育网，可能会卡，或连不 ...
nanopore三代测序分析—covid19
前言
现况
第三代测序技术原理主要分为两大技术阵营：
第一大阵营是单分子荧光测序，代表性的技术为美国螺旋生物(Helicos)的SMS技术和美国太平洋生物(Pacific Bioscience)的SMRT技术。脱氧核苷酸用荧光标记，显微镜可以实时记录荧光的强度变化。当荧光标记的脱氧核苷酸被掺入DNA链的时候，它的荧光就同时能在DNA链上探测到 ...
microRNA-mediated disease comorbidities
论文所用代码和数据的网址：https://github.com/ChengF-Lab/mpDisNet
数据包含：disease-gene, mirna-gene, disease-gene, PPI数据等。
Matlab Compiler Runtime与tomcat应用于matlab和java混编及网站开发
Matlab Compiler Runtime（MCR）
“MATLAB Runtime 是一组独立的共享库，可用于在未安装 MATLAB 的计算机上执行编译后的 MATLAB 应用程序或组件。 MATLAB, MATLAB Compiler与 MATLAB Runtime 配合使用，可以快速、安全地创建和分发数值应用程序或软件组件。”
MCR还可以配合matlab的Library Compile package编译matlab代 ...
参数设置低于0.4下的CD-HIT
CD-HIT自今年上半年的更新起，已支持阈值参数设置低于0.4。参数低于0.4情况下要用psi-cd-hit.pl命令，这个命令通过blast+来代替它原来的k-mer比对序列，摆脱限制。因此，要使用这条命令，需要提前安装blast并将安装路径加入PATH变量。
1. 安装blast+并将其加入PATH变量：http://bbs.malab.cn/forum.php?mod=viewthread&tid ...
关于小改libsvm的功能，方便一键网格、输出各项指标、matlab接口修改等
为了方便使用对libsvm包进行了小改，过程如下：
之前见guojiasheng学长改了libsvm,输出F1等指标，我check了一下：
值得注意的是根据学长的代码输入的二分类label应该为+1和-1，如果你用weka的arff转的libsvm文件的话，label一般为0和1（0正1负）这样根据代码的计算tp、fn、fp、tn的顺序是会正好相反的，所以使用前请 ...
关于weka KnowlegeFlow的使用
之前有一篇讲了批量处理评估保存结果，批量保存特征，这篇来讲一讲使用weka KnowlegeFlow批量实现多分类器的评估或者其他功能，替新生们提高一下效率，踩踩坑！
先给个图，给个直观认识：
从图可以看出这个流图加载了一个arff文件分别用三个分类器进行了10交叉验证然后保存了结果。
具体使用可以参考http://wiki.pent ...
【新生指南】Matlab StackAutoEncoder和Deep Belief Networks的使用调参和批处理
本帖只针对新生尽快熟悉工作做参考，我会写得啰嗦些，大神绕道 。
生物信息主要处理一维字符序列，如果想转化成矩阵处理，可使用onehot编码，快速理解就是01编码每个字符类别，如果序列只有AUGC四种字符，那么每个字符用0001,0010,0100,1000编码代替。这样序列就变成了Nx4的矩阵。
StackAutoEncoder，即Stack自动编码机 ...
关注公众号