PRINSEQ全称是PReprocessing and INformation of SEQuences，下面是关于这个软件工具的一些链接：

主页 —> 在线—>下载—>FAQ —>手册

它是这样介绍自己的：

PRINSEQ can be used to filter, reformat, or trim your genomic and metagenomic sequence data. It generates summary statistics of your sequences in graphical and tabular format. It is easily configurable and provides a user-friendly interface.

是用perl语言写的一些脚本集合，不依赖于其它perl模块，所以安装非常方便，功能大概就像是fastqc和fastx-toolkit的合集，是2011年发表的工具了，但是不知道为什么它不是很出名。

首先安装该软件：

cd ~/biosoft
mkdir PRINSEQ &&  cd PRINSEQ
wget  https://sourceforge.net/projects/prinseq/files/standalone/prinseq-lite-0.20.4.tar.gz
tar zxvf  prinseq-lite-0.20.4.tar.gz

用法很简单：

perl prinseq-lite.pl -verbose -fastq test.fq -graph_data test.gd -out_good null -out_bad null
perl prinseq-graphs.pl -i test.gd -png_all -o test
perl prinseq-graphs.pl -i test.gd -html_all -o test

我也简单测试了一下自己的数据

perl ~/biosoft/PRINSEQ/prinseq-lite-0.20.4/prinseq-lite.pl -verbose -phred64 -graph_data test.gd -out_good null -out_bad null  -fastq <( zcat NPC10F-N_1.fastq.gz ) -fastq2  <( zcat NPC10F-N_2.fastq.gz ) 
perl ~/biosoft/PRINSEQ/prinseq-lite-0.20.4/prinseq-graphs.pl -i test.gd -png_all -o test
perl ~/biosoft/PRINSEQ/prinseq-lite-0.20.4/prinseq-graphs.pl -i test.gd -html_all -o test

我想它之所以不流行，就是因为它对fastq文件的支持性太差了，还需要用户自己解压开gz格式的文件，这对很多人来说是一个挑战。

分析的确不需要perl模块，但是绘图是需要一些特殊模块的，包括：

   Getopt::Long
   Pod::Usage
   File::Temp qw(tempfile)
   Fcntl qw(:flock SEEK_END)
   Cwd
   JSON
   Cairo
   Statistics::PCA
   MIME::Base64

出网页包括也需要一些perl模块，如下：

   CGI
   File::Path
   IO::Uncompress::AnyUncompress
   LWP::Simple
   File::Copy
   File::Basename

这就是大家为什么不喜欢用这个软件的原因了吧，还有一些特殊要求我都懒得讲解了，https://sourceforge.net/projects/prinseq/files/ 自行阅读哈。

但是它有两个值得一提的功能！

测序污染序列PCA分析

很多情况下提取的DNA会混杂有其它物种，对下游分析不利，这个时候就需要仔细检查了，PRINSEQ软件正好派上用场。

不过我没看懂那个图!需要去看一篇文章 Willner D, Thurber RV, Rohwer F: Metagenomic signatures of 86 microbial and viral metagenomes. Environ. Microbiol 2009.

组装基因组的N50等分析

有参数 -stats_assembly 可以选择!

perl ~/biosoft/PRINSEQ/prinseq-lite-0.20.4/prinseq-lite.pl -verbose -fasta output_prefix.contigs.fa  -stats_assembly

就是给出一些指标，如下；

stats_assembly  N50 176
stats_assembly  N75 113
stats_assembly  N90 78
stats_assembly  N95 70

github极简指南

入生信的坑已经3年多了，但是开始github的旅程才一年多，起初主要是为了建立bioconductor中文社区而学习的，现在也在自己的github上面分享了不少代码，有一些心得体会，欢迎大家前往github star我的项目

当初想了解github的时候看到过不少教程，始终觉得不够透彻，还是分享一下自己的心得吧。
首先要明白为什么要用github，一般就4类需求啦：

• 仅仅是为了查看拷贝别人的代码，那么其实没必要用github，下载代码即可。
• 需要分享代码，那么创建一个账户把代码上传即可。
• 一个长期的编程项目，就略微有点麻烦，会涉及到代码备份，回滚，撤销等各种git指令，其实大部分人不需要学这东西。我就从来没有用过回滚操作。
• 如果是团队合作，那么更加复杂了，需要买一本git操作书籍开学习，并且经常团队会议，学习几十个小时才行。

大部分人只需要学会把自己的电脑跟自己的github账户关联，然后新建一个git项目跟github里面的仓库关联即可。

用git clone复制一个 Git 仓库

大多数人的需求仅止于此啦，就是想复制一个项目，看看代码，你就可以克隆那个项目。 在终端执行 git clone [url]，[url] 为你想要复制的项目，就可以了，比如下面：

上述操作将复制该项目的全部记录，让你本地拥有这些。并且该操作将拷贝该项目的主分支， 使你能够查看代码，或编辑、修改。

默认情况下，Git 会按照你提供的 URL 所指示的项目的名称创建你的本地项目目录。 通常就是该 URL 最后一个 / 之后的任何东西。

这个时候跟github本身没有关系，因为你只是下载了文件而已，并没有涉及到提交代码。如果要提交代码，需要把自己的电脑跟github关联，并且关联指定的仓库。

安装git，然后把自己的电脑关联自己的github账户：

去github官网创建账号的教程我就不写了，有了账号密码就需要跟自己的电脑关联起来，这样github网页才会认可你，允许你上传你的代码。

如果是windows电脑，那么需要下载git软件才可以,软件下载地址http://git-scm.com/,安装好git就可以打开终端了。

如果是mac或者linux，那么打开终端即可，一般都默认安装了git软件。

终端，就是下面这样的黑白命令行,打开之后在终端里面运行命令： ssh-keygen -t rsa -C "jmzeng1314@163.com"(替换成自己的github注册邮箱)

可以看到home目录下面多了一个.ssh文件夹

用notepad++等高级文本编辑器打开那个public key文件，把里面的内容复制到自己的github网页里面的ssh keys里面

然后就成功啦,如下ssh -T git@github.com，可以用测试一下

配置本地用户和邮箱

用户名邮箱作用 : 我们需要设置一个用户名和邮箱, 这是用来上传本地仓库到GitHub中, 在GitHub中显示代码上传者;

使用命令 :

git config --global user.name "jmzeng1314" //设置用户名 
git config --global user.email "jmzeng1314@163.com" //设置邮箱

到此Git客户端已安装及GitHub配置完成，现在可以给GitHub传输代码了。

客户端把本地文件夹和github仓库关联

github的客户端非常之多，很多人喜欢github desktop，不过我比较熟悉的Rstudio，因为我喜欢R语言。

Rstudio客户端的global菜单里面有设置github账号关联的方法,因为我们电脑本来就已经关联了，这个就略过哈。

首先在自己的github网页里面新建同样的空的project，然后去自己刚才在本机用Rstudio新建的文件夹里面：

因为是空白仓库，所以直接进入终端，然后进入项目文件夹里面把本地文件上传到指定的即可。

$git init //初始化
$git add . //把所有文件加入到索引（不想把所有文件加入，可以用gitignore或add 具体文件，见下文)
$git commit //提交到本地仓库，然后会填写更新日志($git commit -m “my first vesion of ...”)
$git remote add origin https://github.com/jmzeng1314/test.git //增加到remote
$git push origin master //push到github上

记住要在github网站里面新建的是空白的仓库哦。

这样就把网页版github和本地的文件夹联系起来了，以后要修改了这个程序，只需要点击commit+push即可，如果是网页版的程序被修改了，就先pull一下。

当然，其实对大部分人来说，意义不大，因为大家喜欢命令行的，不是很喜欢这个鼠标点击来进行同步。命令行就需要继续看下面的教程啦。

命令行把本地文件夹和github仓库关联

首先在自己的github网页里面新建一个空的仓库，然后运行下面的代码即可！

cd ~/test //到test目录,本地目录名与repository的名字不一定相同
git init ##初始化
git add . ##把所有文件加入到索引（不想把所有文件加入，可以用gitignore或add 具体文件，见下文)
git commit -m 'aha' ##提交到本地仓库，然后会填写更新日志($git commit -m “my first vesion of ...”)
git remote add origin https://github.com/jmzeng1314/test.git ##增加到remote
git push origin master ##push到github上

记住一定要是空白的仓库哦，如果万一你新建仓库的同时建立了readme文件，就直接clone好了，走下面的流程。

github进阶操作。

其实就是本地的代码有所修改，需要同步到github而已，又或者github网页里面的代码被修改了，需要同步到本地。如果是多个人合作，那么别人会修改你的代码，所以每次你上传代码之前，都需要先把github网页里面的代码先拉下了，再合并后上传自己的。

1.更新项目（新加了文件），这个是最高频需求

$cd ~/hello-world
$git add . //这样可以自动判断新加了哪些文件，或者手动加入文件名字
$git commit //提交到本地仓库，不加参数会提示，注意:^=Ctrl，按照提示来就好了～～～
$git push origin master //不是新创建的，不用再add 到remote上了

2.更新项目（没新加文件，只有删除或者修改文件）：
$cd ~/hello-world
$git commit -a //记录删除或修改了哪些文件
$git push origin master //提交到github

3.忽略一些文件，比如*.o等:

$cd ~/hello-world
$vim .gitignore //把文件类型加入到.gitignore中，保存

然后就可以git add . 能自动过滤这种文件

4.clone代码到本地：

$git clone git@github.com:WadeLeng/hello-world.git

5.假如本地已经存在了代码，而仓库里有更新，把更改的合并到本地的项目：

$git fetch origin //获取远程更新
$git merge origin/master //把更新的内容合并到本地分支

这个是最高频需求

6.撤销

$git reset

7.删除

$git rm * // 不是用rm

//———————————————常见错误—————————————————-
1.$ git remote add origin git@github.com:WadeLeng/hello-world.git
错误提示：fatal: remote origin already exists.
解决办法：$ git remote rm origin
然后在执行：$ git remote add origin git@github.com:WadeLeng/hello-world.git 就不会报错误了

1. $ git push origin master
   错误提示：error:failed to push som refs to
   解决办法：$ git pull origin master //先把远程服务器github上面的文件拉先来，再push 上去。
   //———————————————————————————————————————

装逼请看这个：http://www.oschina.net/question/1397765_166368
安装git工具看这个：http://www.ihref.com/read-16377.html
上传自己的代码看这个：http://blog.csdn.net/hanhailong726188/article/details/46738929
一些开发过程的注意事项：http://blog.csdn.net/u011068702/article/details/49531167
简介完整教程：http://caibaojian.com/use-github.html

https://www.r-bloggers.com/rstudio-and-github/
http://r-bio.github.io/intro-git-rstudio/

直接点击链接阅读，省掉了图文排版时间，赞~

http://www.bio-info-trainee.com/bioconductor_China/software/DEXSeq.html

软件安装是：

它需要自己指定--bed参数来选择染色体运行，而且不是给一个chr1就可以了，需要指定染色体及其起始终止坐标：single region in format chr:start-end (example: 1:31656613-31656883)
所以就考验shell编程技巧啦！
制作 ~/reference/genome/hg19/hg19.chr.bed  这个文件，我就不多说了，前面我们已经讲过了！

区分染色体分别运行scalpel软件代码如下：

ES score

这个图片在发表的时候，就会发现其实蛮模糊的， 所以有可能需要自己重新制作这个图，那么就需要明白这个图后面的数据。

其中最下面的数据是量方法测到了2万个基因，那么这两万个基因在case和control组的差异度量(六种差异度量，默认是signal 2 noise，GSEA官网有提供公式，也可以选择大家熟悉的foldchange)肯定不一样,那么根据它们的差异度量，就可以对它们进行排序，并且Z-score标准化的结果。

而中间的就是该gene set在测到了的已经根据signal2noise排好序的2万个基因的位置。

最上面的图，就是所有的基因的ES score都要一个个加起来，叫做running  ES score，在加的过程中，什么时候ES score达到了最大值，就是这个gene set最终的ES score！

我这里全面解析了GSEA官网提供的R代码的绘图函数，如下：

这个函数本身也被我抽离出来了：

这个知识点有点复杂，我解释的很清楚数据是什么，但是数据如何来的（就是下面代码读取的txt文件），我没办法用博客写清楚，需要修改一个2500行的源代码才能获取数据！

setwd('data')
Obs.RES=read.table('Obs.RES.txt') 
Obs.RES=t(Obs.RES) ## 每个基因在每个gene set里面的running ES score，一个矩阵
Obs.indicator=read.table('Obs.indicator.txt') 
Obs.indicator=t(Obs.indicator) ## 每个基因是否属于每个gene set，一个0/1矩阵
obs.s2n=read.table('obs.s2n.txt')[,1]  ## 每个基因的signal 2 noise值，已经Z-score化，而且排好序了。
size.G=read.table('size.G.txt')[,1]  ## 每个gene set的基因数量，在图中需要显示
gs.names=read.table('gs.names.txt')[,1] ## 每个gene set的名字，在图中需要显示
Obs.arg.ES=read.table('Obs.arg.ES.txt')[,1]## 每个gene set的最大ES score出现在排序基因的位置
Obs.ES.index=read.table('Obs.ES.index.txt')[,1]## 这个用不着的，我也忘记是什么了
Obs.ES=read.table('Obs.ES.txt')[,1]  ##每个gene set的最大ES score是多少，如果是正值，用红色表示富集在case组，如果是负值，用蓝色，表示富集在control组。

plot_ES_score <- function(Ng=12,N=34688,phen1='control',phen2='case',Obs.RES,Obs.indicator,obs.s2n,size.G,gs.names,Obs.arg.ES,Obs.ES.index){
for (i in 1:Ng) {
png(paste0('number_',gs.names[i],'.png'))
ind <- 1:N
min.RES <- min(Obs.RES[i,])
max.RES <- max(Obs.RES[i,])
if (max.RES < 0.3) max.RES <- 0.3
if (min.RES > -0.3) min.RES <- -0.3
delta <- (max.RES - min.RES)*0.50
min.plot <- min.RES - 2*delta
max.plot <- max.RES
max.corr <- max(obs.s2n)
min.corr <- min(obs.s2n)
Obs.correl.vector.norm <- (obs.s2n - min.corr)/(max.corr - min.corr)*1.25*delta + min.plot
zero.corr.line <- (- min.corr/(max.corr - min.corr))*1.25*delta + min.plot
col <- ifelse(Obs.ES[i] > 0, 2, 4)

# Running enrichment plot

sub.string <- paste("Number of genes: ", N, " (in list), ", size.G[i], " (in gene set)", sep = "", collapse="")

main.string <- paste("Gene Set ", i, ":", gs.names[i])

plot(ind, Obs.RES[i,], main = main.string, sub = sub.string, xlab = "Gene List Index", ylab = "Running Enrichment Score (RES)", xlim=c(1, N), ylim=c(min.plot, max.plot), type = "l", lwd = 2, cex = 1, col = col)
for (j in seq(1, N, 20)) {
lines(c(j, j), c(zero.corr.line, Obs.correl.vector.norm[j]), lwd = 1, cex = 1, col = colors()[12]) # shading of correlation plot
}
lines(c(1, N), c(0, 0), lwd = 1, lty = 2, cex = 1, col = 1) # zero RES line
lines(c(Obs.arg.ES[i], Obs.arg.ES[i]), c(min.plot, max.plot), lwd = 1, lty = 3, cex = 1, col = col) # max enrichment vertical line
for (j in 1:N) {
if (Obs.indicator[i, j] == 1) {
lines(c(j, j), c(min.plot + 1.25*delta, min.plot + 1.75*delta), lwd = 1, lty = 1, cex = 1, col = 1) # enrichment tags
}
}
lines(ind, Obs.correl.vector.norm, type = "l", lwd = 1, cex = 1, col = 1)
lines(c(1, N), c(zero.corr.line, zero.corr.line), lwd = 1, lty = 1, cex = 1, col = 1) # zero correlation horizontal line
temp <- order(abs(obs.s2n), decreasing=T)
arg.correl <- temp[N]
lines(c(arg.correl, arg.correl), c(min.plot, max.plot), lwd = 1, lty = 3, cex = 1, col = 3) # zero crossing correlation vertical line

leg.txt <- paste("\"", phen1, "\" ", sep="", collapse="")
text(x=1, y=min.plot, adj = c(0, 0), labels=leg.txt, cex = 1.0)

leg.txt <- paste("\"", phen2, "\" ", sep="", collapse="")
text(x=N, y=min.plot, adj = c(1, 0), labels=leg.txt, cex = 1.0)

adjx <- ifelse(Obs.ES[i] > 0, 0, 1)

leg.txt <- paste("Peak at ", Obs.arg.ES[i], sep="", collapse="")
text(x=Obs.arg.ES[i], y=min.plot + 1.8*delta, adj = c(adjx, 0), labels=leg.txt, cex = 1.0)

leg.txt <- paste("Zero crossing at ", arg.correl, sep="", collapse="")
text(x=arg.correl, y=min.plot + 1.95*delta, adj = c(adjx, 0), labels=leg.txt, cex = 1.0)
dev.off()
}

}

 

通过这个代码，就可以把当前所有gese set的 ES score图给重新画一下，如果需要调整字体大小，就去代码里面慢慢调整。