bio-spatial-transcriptomics-spatial-preprocessing
空间转录组数据的质量控制、过滤、标准化和特征选择。计算质量控制指标,过滤点/细胞,标准化计数,并识别高度可变的基因。在过滤和标准化空间转录组数据时使用。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
空间转录组数据的质量控制、过滤、标准化和特征选择。计算质量控制指标,过滤点/细胞,标准化计数,并识别高度可变的基因。在过滤和标准化空间转录组数据时使用。
使用VDJtools计算免疫组库多样性指标,比较样本,并追踪克隆动态。在分析组库多样性、寻找共享克隆型或比较不同条件下的免疫谱型时使用。
使用bcftools stats和gtcheck生成变异统计信息、样本一致性以及质量指标。在评估变异质量、比较样本或汇总VCF内容时使用。
从BAM文件开始的端到端拷贝数变异检测工作流程。涵盖外显子/靶向测序的CNVkit分析,包括可视化和注释。在从测序数据中检测拷贝数改变时使用。
从FASTQ文件到注释峰的端到端ChIP-seq工作流程。涵盖质量控制、比对、使用MACS3进行峰识别以及使用ChIPseeker进行峰注释。在处理从比对到峰注释的ChIP-seq数据时使用。
从原始质谱数据到通路分析的端到端代谢组学工作流程。协调XCMS预处理、注释、归一化、统计分析和通路映射。在处理LC-MS代谢组学数据时使用。
从FASTQ到翻译效率和ORF检测的端到端Ribo-seq分析。在分析核糖体图谱数据以研究翻译时使用。
使用Mutect2或Strelka2从肿瘤-正常配对样本中进行端到端的体细胞变异检测。涵盖癌症基因组学中的预处理、变异检测、过滤和注释。在从肿瘤-正常配对样本中检测体细胞突变时使用。
使用Biopython的Bio.PDB解析和写入蛋白质结构文件。在读取PDB、mmCIF和MMTF文件,从RCSB PDB下载结构或将结构写入各种格式时使用。
使用ClinVar、ACMG指南和致病性预测工具进行临床变异解读。为诊断和研究应用优先考虑变异。在解释变异的临床意义时使用。
按照最佳实践使用GATK HaplotypeCaller进行变异检测。涵盖种系SNP/插入缺失变异检测、队列GVCF工作流程、联合基因分型和变异质量评分重校准(VQSR)。在使用GATK HaplotypeCaller进行变异检测时使用。
从FASTQ到结合位点和基序富集的端到端CLIP-seq分析。在使用基于CLIP的方法分析蛋白质-RNA相互作用时使用。
从长读长测序数据中检测结构变异的端到端工作流程。涵盖使用minimap2进行ONT/PacBio比对以及使用Sniffles或cuteSV进行结构变异识别。在从长读长数据中检测结构变异时使用。
从FASTQ到差异甲基化区域的端到端亚硫酸氢盐测序工作流程。涵盖Bismark比对、甲基化位点鉴定以及使用methylKit进行DMR检测。在分析亚硫酸氢盐测序数据时使用。
从FASTQ到差异miRNA表达的端到端小RNA-seq分析。适用于分析miRNA、piRNA或其他小RNA测序数据。
从FASTQ到差异剪接结果的端到端替代剪接分析。使用STAR双遍模式进行比对,执行接合质量控制,运行rMATS-turbo进行差异分析,并生成sashimi可视化。当从原始RNA-seq数据进行全面剪接分析时使用。
使用memote进行质量评分,以及使用COBRApy进行手动管理来验证、填补空白和整理全基因组代谢模型。确保模型符合SBML标准并产生具有生物学意义的预测。在改进初步模型或为发表准备模型时使用。
全面的变异过滤,包括GATK VQSR、硬过滤、bcftools表达式以及SNP和插入缺失的质量指标解读。在使用GATK最佳实践进行变异过滤时采用。
从FASTQ文件到差异可及性和转录因子足迹的端到端ATAC-seq工作流程。涵盖了比对、使用MACS3进行峰识别、质量控制指标,以及可选的TOBIAS足迹分析。当从FASTQ到差异可及性运行端到端ATAC-seq分析时使用。
从FASTQ到目标基因的端到端CRISPR筛选分析。协调引导计数、质量控制、使用MAGeCK进行统计分析以及通过多种方法确定目标。当从计数数据到确定目标的过程中分析汇集的CRISPR筛选时使用。
从FASTQ到m6A峰值和差异甲基化的端到端MeRIP-seq分析。在从免疫沉淀数据中分析表转录组m6A修饰时使用。
从MaxQuant输出到差异蛋白质丰度的端到端蛋白质组学工作流程。协调数据导入、归一化、插补以及使用MSstats或limma进行统计测试。在处理质谱蛋白质组学时使用。
从FASTQ文件到差异表达结果的端到端RNA-seq工作流程。涵盖质量控制、定量(Salmon或STAR+featureCounts)以及使用可视化进行DESeq2分析。当从FASTQ运行至差异表达结果时使用。
从表达矩阵到时间模式和富集的端到端时间进程分析。涵盖时间差异表达、Mfuzz软聚类、可选的节奏检测、GAM轨迹拟合以及每簇通路富集。适用于任何组学平台的大规模时间序列表达实验分析。