问题标签 [genome]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 如何快速比较两个文件？
我需要能够比较两个坐标（一行中的第二个和第三个单词）以查看它们重叠的位置。现在，我的代码做到了，但它的速度很慢。到目前为止，对于一个 10000 行的文件，我的代码大约需要两分钟。我需要将它用于包含 30 亿行的文件，我估计这将花费很长时间。有没有办法将我的代码重构得更快？
到目前为止，我可以做我想做的事。这是：
这是数据样本
提前致谢
python - 转换为二进制时出现 Plink 错误：.ped 文件的第 1 行的标记少于预期
我可以在这里得到一些帮助吗？在从“ped”、“map”格式转换为二进制对应的“bed”、“bim”、“fam”时，是否有人在 plink（全基因组关联分析工具集）中遇到以下错误？我正在使用 Linux 和 plink v1.90b3j。
我在 python 脚本中使用这个命令在几十个文件上运行它：
plink --file S205 --out S205 --make-bed
对于 32 个文件中的只有 2 个，在这种情况下，我收到此错误。该文件与所有其他文件完全相同，因为它们之前也都是使用相同的脚本完成的。所有样本的家庭、父亲、母亲 ID 和性别都相同，正如我所说，等位基因信息的写入方式与所有其他 30 个工作文件完全相同。
当我将行尾编码更改为“Windows”时，我注意到错误更改为以下内容。其他好的文件适用于任何类型的行尾（Unix、Win、Mac）。
作为一个例子，我在这里留下工作 *.ped (S209) 和非工作 (S204) 的第一和最后 X 列。
谢谢！丹尼尔
r - 使用 ggbio 和 ggplot2 为单个基因添加标签
我正在尝试将基因标签添加到使用 ggbio 包呈现基因组片段的绘图中。
我正在使用该autoplot()函数并传入一个 GenomicRanges 对象。GRange 对象有一列元数据标签，我希望这些标签出现在每个图形段顶部的生成图上。
问题：如何从元数据列向 ggbio/ggplot2 图添加标签？
我的代码如下，没有标签，g 作为 GenomicRanges 对象。
r - 估计行之间的距离差异（遗传标记）
我想计算Name给定染色体 ( Chr) 中标记 ( ) 之间的距离。对象dist1.alldown（下游距离）和dist1.allup（上游距离）正是我想要的。但是，下面的脚本计算效率很低（我的真实数据可能包含一百万个标记，这个循环很耗时）。
获得有效方法的一些想法或已知工具？谢谢！
python - 如何从 DNA 序列中获取片段
我想将 DNA 基因组切割成任何 k-mer 大小，所以我创建了函数 Sliding_DNA(dna_list,size_to_split) 但我不起作用。
有人能帮帮我吗！
当我打印出变量 pedazos 时，它给了我以下信息：
代码：
r - 用于甲基化 450k 分析的 ChAMP Bioconductor 包的 champ.lasso 错误
我刚刚为甲基化 450k 分析安装了 ChAMP 及其所有依赖项。
我正在尝试本教程（http://www.bioconductor.org/packages/release/bioc/vignettes/ChAMP/inst/doc/ChAMP.pdf）但出现错误。
运行 Probe Lasso DMR Hunter 时，我遇到“您发现 4161 个重要的 MVP，其 BH 调整后的 P 值低于 0.05 错误[.data.frame(dmr.beta.means, , 22:24, ) : undefined columns selected"
该错误会阻止分析停止，并且我无法复制上述教程中显示的内容。
我已经尝试卸载并重新安装 ChAMP，但无济于事...
任何建议和见解将不胜感激！提前致谢！
r - 如何在不提供样品表的情况下加载 GEO 甲基化（450k）数据集？
我从 Gene Expression Omnibus (GEO) 下载了一些 Illumina 450k 甲基化数据集
R Bioconductor 软件包 minfi 和 ChAMP 似乎需要所谓的“样品表”
GEO 上的大多数 TAR 文件似乎不包含这样的样本表 - 它们仅包含 .idat 文件
有好心人能给点建议吗？我想知道如何在没有样本表的情况下运行 ChAMP / Minfi 管道；否则，是否有任何方法可以从 .idat 文件生成样本表？
谢谢！
python - python改变'|' 进入制表符分隔
我需要替换'|' 进入选项卡，以便我可以分析我的人类注释基因组数据（200+mb）。我是一名研究助理，学习如何以最简单/最简单的方式分析/操作测序数据，以便我可以在更多数据上复制它。
这是我的数据的样子。一个文件中有大约 400,000 行此类数据。
我尝试使用此代码替换“|” 进入 '\t' 几行。
我得到的只是这个：
r - 使用 .bam 文件映射 CpG 坐标
我找到了一种在鸡基因组上绘制 CpG 位置的方法，如下：
结果：
...
现在我想对我的 MEDIPseq 结果做同样的事情。我已经有 .bam 格式的对齐序列 (BSgenome.Ggallus.UCSC.galGal4) 可供使用。
超级有趣的是每个 CpG 的覆盖率值列
预期结果：
我知道名为 MEDiPS 的 Bioconductor R 包可以做到这一点，但它使用 windows 大小。但是，我需要每个 CpG 的信息。定义 2bp 窗口大小时，脚本被终止。
r - 将不同行数的表与主 MAP 表组合
该数据集表示基因组图位置（chr 和 start），其中包含 20 个个体 (dat) 的每个位置的测序覆盖率（深度）之和
例子：
该数据集表示基因组图位置（V1 加 V2），每个位置具有单独的覆盖范围（V3）。
例子：
根据chr和start上的位置gbsgre，我需要将每20只动物（[[1]]到[[20]]）的所有20个深度（V3）交叉到主表（gbsgre），生成最终表如下：第一列是染色体位置（V1），第二列（V2）是起始位置，第三列是“gbsgre”数据集的深度（V3），第四列（V4）是深度（dat/ V3) 的 [[1]] 从“dat”，依此类推，直到第 24 列，这将是“dat”数据集上 [[20]] 的深度。但很重要的一点是，这 20 个人的缺失数据应该被视为零（“0”）。并且决赛桌的数量应该与“gbsgre”相同。