基因位点移动
最编程
2024-07-17 21:49:10
...
liftover的介绍
人类基因组有不同的版本，目前用的最多的是hg38和hg19，为了将不同版本的染色体上的位置一一对应，UCSC出了这款工具liftOver，官方的定义是：
This tool converts genome coordinates and genome annotation files between assemblies.
1.liftover的安装
1 wget http://hgdownload.cse.ucsc.edu/admin/exe/linux.x86_64/liftOver
1 wget http://hgdownload.cse.ucsc.edu/admin/exe/linux.x86_64/liftOver
2.坐标注释文件下载
hg38Tohg19注释文件：
1 wget http://hgdownload.cse.ucsc.edu/goldenPath/hg38/liftOver/hg38ToHg19.over.chain.gz
hg19Tohg38注释文件:
1 wget http://hgdownload.cse.ucsc.edu/goldenPath/hg19/liftOver/hg19ToHg38.over.chain.gz
下载得到的*over.chain.gz不需要解压
如果需要其他版本的注释文件，请见Sequence and Annotation Downloads，下载对应的liftOver注释文件即可。
3.Input文件
只接受BED格式文件，BED格式文件只定义前三列：chr start end，无表头
注：start不等于end（如果是单位点的话，建议所有end+1）
4.坐标转换
简单两个命令即可
1.将liftOver变为可执行文件
2.执行，参数为inputfile，over.chain.gz，outputfile，unmapfile（会输出没有对应上的行）
Example:
hg38>hg19
1 /path/to/liftOver /path/to/SFTSV_24vscontrol_circ_hg38.bed /path/to/hg38ToHg19.over.chain.gz /path/to/SFTSV_24vscontrol_circ_hg19.bed /path/to/SFTSV_24vscontrol_circ_hg19_unmap.bed
原文地址：https://www.cnblogs.com/yanjiamin/p/12019454.html
上一篇： 外语电子书下载地址
推荐阅读
-
14-傅里叶变换的代码实现-一、numpy实现傅里叶变换和逆傅里叶变换 1.numpy实现傅里叶变换numpy.fft.fft2实现傅里叶变换，返回一个复数数组(complex ndarray)，也就是频谱图像numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域，移到中心位置) 20*np.log(np.abs(fshift))设置频谱的范围。可以理解为，之前通过傅里叶变换得到复数的数组，是不能通过图像的方法展示出来的，需要转换为灰度图像（映射到[0,255]区间）需要注意的是1> 傅里叶得到低频、高频信息，针对低频、高频处理能够实现不同的目的2> 傅里叶过程是可逆的，图像经过傅里叶变换、逆傅里叶变换后，能够恢复到原始图像3> 在频域对图像进行处理，在频域的处理会反映在逆变换图像上 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) # 移动中心位置 fshift = np.fft.fftshift(f) # 调整值范围 result = 20*np.log(np.abs(fshift)) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像： 2.numpy实现逆傅里叶变换numpy.fft.ifft2实现逆傅里叶变换，返回一个复数数组（complex ndarray）numpy.fft.ifftshiftfftshift函数的逆函数，将中心位置的低频，重新移到左上角iimg = np.abs(逆傅里叶变化结果)设置值的范围，映射到[0,255]区间 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 将一副图像，进行傅里叶变换和逆傅里叶变换后，进行对比（一样的） 实例：通过numpy实现高通滤波，保留图像的边缘信息 获取图像的形状rows,cols = img.shape获取图像的中心点crow,ccol = int(rows/2),int(cols/2)将频谱图像的中心区域（低频区域）设置为0（黑色）fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 高通滤波 rows,cols = img.shape crow,ccol = int(rows/2),int(cols/2) fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 使用numpy实现高通滤波的实验结果： 二、opencv实现傅里叶变换和逆傅里叶变换 1.opencv实现傅里叶变换 返回结果 = cv2.dft(原始图像,转换标识)1> 返回结果：是双通道的，第一个通道是结果的实数部分，第二个通道是结果的虚数部分2> 原始图像：输入图像要首先转换成np.float32(img)格式3> 转换标识：flags = cv2.DFT_COMPLEX_OUTPUT，输出一个复数阵列numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域，移到中心位置)调整频谱的范围，将上面频谱图像的复数数组，转换为可以显示的灰度图像（映射到[0,255]区间）返回值 = 20*np.log(cv2.magnitude(参数1,参数2))1> 参数1：浮点型X坐标值，也就是实部2> 参数2：浮点型Y坐标值，也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) # 移动中心位置 dftShift = np.fft.fftshift(dft) # 调整频谱的范围 result = 20*np.log(cv2.magnitude(dftShift[:,:,0],dftShift[:,:,1])) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像： 2.opencv实现逆傅里叶变换返回结果 = cv2.idft(原始数据)1> 返回结果：取决于原始数据的类型和大小2> 原始数据：实数或者复数均可numpy.fft.ifftshiftfftshift函数的逆函数，将中心位置的低频，重新移到左上角调整频谱的范围，映射到[0,255]区间返回值 = cv2.magnitude(参数1,参数2)1> 参数1：浮点型X坐标值，也就是实部2> 参数2：浮点型Y坐标值，也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dftShift = np.fft.fftshift(dft) # 逆傅里叶变换 ishift = np.fft.ifftshift(dftShift) iimg = cv2.idft(ishift) iimg = cv2.magnitude(iimg[:,:,0],iimg[:,:,1]) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("inverse") plt.axis("off") plt.show 将一副图像，进行傅里叶变换和逆傅里叶变换后，进行对比（一样的） 实例：通过opencv实现低通滤波，模糊一副图像
-
HHKB BT 蓝牙键盘：装逼必备利器？" 使用HHKB BT 蓝牙键盘的心得体会 在互联网的世界里，越来越多的人都追求个性化和独特性，无论是穿着打扮，还是使用的电子产品，都能看到人们的创意和想法。最近我在网上看到了一款备受推崇的机械键盘——HHKB BT 蓝牙键盘。 HHKB BT 蓝牙键盘是一款由日本知名键盘制造商 Filco 生产的产品，被誉为程序员的信仰。其最大的特点就是采用了静电容轴，按键更加灵敏且耐用。此外，HHKB BT 蓝牙键盘还具有非常紧凑的设计，仅60个键位，非常适合长时间工作或编程的人士使用。 然而，当我收到 HHKB BT 蓝牙键盘并开始使用时，我发现了一些问题。首先，数字键整体向右移动了一位，这对于习惯使用数字键的人来说是一种困扰。其次，HHKB BT 蓝牙键盘的价格较高，并且只能通过代购购买，售后服务也不完善。 尽管存在这些问题，我还是对 HHKB BT 蓝牙键盘产生了浓厚的兴趣。我尝试将数字键重新排列，使其更适合我的使用习惯，同时我也开始学习如何更有效地使用 HHKB BT 蓝牙键盘进行编程。 总的来说，HHKB BT 蓝牙键盘是一款非常专业且高效的机械键盘，如果你是一位需要长时间使用键盘的开发者或者程序员，那么它绝对值得你考虑。当然，高昂的价格和售后服务的问题也需要你权衡一下是否值得投资。
-
每周阅读推荐：聚焦Li-Fraumeni综合症疾病模型 - 构建精准打击p53致癌位点的癌症治疗新途径
-
使用R语言实践过程中的警告与坑点：混杂人鼠样本基因线粒体比例计算经验分享
-
如何用bedtools根据基因在染色体的开始和结束位点获取其symbol
-
可移动遗传元素的新诠释：MGEs的便携式基因片段探秘
-
分享一点移动网页动画设计经验：利用CSS3模拟跑步效果的心得体会
-
原始码、补码及数字正负的位左右移动详解
-
基因位点移动
-
用自然遗传学学习绘图：R 语言 ggplot2 绘制显示 SNP 位点碱基类型的图表