Bioinformatiikka on Michael’s Domain

Staden-paketti Ubuntussa bioinformatiikan veteraaneille

Wed, 27 Jul 2016 00:00:00 +0000

Käytämme pääasiassa SnapGene -ohjelmistoa, kun tarkistamme DNA-rakenteidemme sekvenssejä. Joskus SnapGenin sekvenssien kohdistusnäkymä ei kuitenkaan ole tarpeeksi joustava, jolloin turvaudun vanhaan Staden-pakettiin . Olin juuri päivittänyt Ubuntun versiosta 14.04 versioon 16.04, joten Stadenia ei ollut asennettuna. Olin iloisesti yllättynyt, kun Stadenin asennus kesti vain noin 15 sekuntia, sillä vihdoin – kiitos Debian Med -tiimin – Staden on saatavilla universe-pakettivarastosta (itse asiassa jo lokakuusta 2014 lähtien).sudo apt install stadenStaden ei selvästikään ole niin intuitiivinen kuin se voisi olla, mutta se on erittäin tehokas ja sopii hyvin tietojen automatisoituun käsittelyyn. Jos sinulla on mahdollisuus oppia käyttämään sitä, kannustan sinua tekemään niin. Suomen CSC tallensi vuonna 2004 järjestetyn Staden-kurssin, johon osallistuin, ja tallenteet ovat saatavilla Funet TV:stä . Olin juuri harkinnut hetken siirtymistä Ubuntusta SuSE:hen johtuen jatkuvasta langattoman yhteyden ongelmasta, jota Canonical ei näytä saavan korjattua, mutta kun ottaa huomioon, kuinka työläs Stadenin manuaalinen asennus on, tämä on suuri etu Ubuntulle. Bioinformatiikan käyttöön on tietenkin olemassa erikoistuneita Linux-jakeluja, mutta ne kaikki jäävät yleensä jälkeen suurimpien jakelujen uusimmista ja parhaista kehityksistä.

Python lapsille (ja bioinformatiikan asiantuntijoille)

Sat, 12 Mar 2016 00:00:00 +0000

Aloin opettaa pojalleni ohjelmointia, ja me molemmat nautimme siitä. Aluksi opettelimme hieman HTML:ää ja PHP:tä, koska hän halusi tehdä verkkokyselyn omalle verkkosivustolleen, mutta nyt olemme alkaneet käydä läpi (saksankielistä) kirjaa ”Python für Kids” ( http://python4kids.net ). Valitsin Pythonin, koska se on moderni, helppolukuinen kieli ja nykyään luultavasti suosituin valinta aloitteleville ohjelmoijille. Se on avoimen lähdekoodin kieli, helppo asentaa mihin tahansa järjestelmään, ja sen avulla voi kirjoittaa tehokkaita ohjelmia jo lyhyen oppimisjakson jälkeen. Python for Kids -kirjassa käytetään Turtle -moduulia, joka mahdollistaa graafisen lähestymistavan ohjelmoinnin aloittamiseen. Vasemmalla oleva kuva on yksi tuloksista. Toinen erittäin hyödyllinen Python-opetusresurssi lapsille on Code Club . Python on myös erinomainen valinta biologeille ja bioinformatiikan asiantuntijoille, mutta koska se on monikäyttöinen kieli, et rajoitu tiettyihin tehtäviin. Käytössä on Biopython , joka on erinomainen työkalupaketti DNA- ja proteiinisekvenssien sekä jopa 3D-rakenteiden käsittelyyn.

Staden 2003b:n asentaminen Suse 9:ään

Thu, 24 May 2007 00:00:00 +0000

Lataa lähdekoodit .
Siirry hakemistoon /usr/local ja vaihda käyttäjäksi su.
tar -xvzf /home/jeltsch/Documents/staden_linux_2003.0b1.tar.gz (jeltsch on käyttäjätunnukseni, joten se on korvattava muiden käyttäjien osalta!!!!)

Kuinka tuoda sekvenssejä SRS:stä GCK2.5:een

Wed, 23 May 2007 00:00:00 +0000

Sekvenssit voi tietenkin tuoda GCK2.5:een suoraan Genbankista. Yleensä kuitenkin käytetään SRS:n kaltaista verkkotyökalua, jolloin sekvenssit näkyvät selaimessa. SRS-versiosta 7 alkaen tuonti tapahtuu seuraavasti: Napsauta hienossa näkymässäsi TALLENNA. Valitse avattavasta valikosta ”Käytä näkymää” vaihtoehto * Täydelliset merkinnät *. Valitse sitten ”Tallenna kohteeseen” Tiedosto (TEKSTI). Valitse kohdasta ”Tallenna nimellä” SAVE TABEL AS ASCII TABLE/TEXT WITH. Napsauta TALLENNA ja tallenna tiedosto jonnekin tiedostotunnisteella .ebl. Valitse sitten GCK2.5:ssä TUO ja valitse tiedosto. Valmis.

Staden 1.4 ja Suse 9

Mon, 21 May 2007 00:00:00 +0000

Asensin tänään uuden Staden-paketin (versio 1.4) Suse 9 -järjestelmääni. Lisäsin rivit: export STADENROOT=/usr/local/staden-linux-rel-1-4 . $STADENROOT/staden.profile ~/.bashrc-tiedostooni.Tämän jälkeen kprinter lakkasi toimimasta ja antoi seuraavan virheilmoituksen: kprinter: /usr/local/staden-linux-rel-1-4/lib/linux-binaries/libstdc++.so.5: versiotietoja ei saatavilla (vaaditaan tiedostossa /opt/kde3/lib/kprinter.so)Ilmeisesti tavanomaista tiedostoa (/usr/lib/libstdc++.so.5) ei enää käytetä, koska staden linux-binary -hakemisto on listattu PATH-muuttujassa aivan alussa ja siten ohittaa kaikki muut merkinnät. Siksi korvasin tiedostot /usr/local/staden-linux-rel-1-4/lib/linux-binaries/libstdc++.so.5 ja libstdc++.so.5.0.1 symbolisilla linkeillä tiedostoon /usr/lib/libstdc++.so.5.0.5:cd /usr/local/staden-linux-rel-1-4/lib/linux-binariessudo ln -s /usr/lib/libstdc++.so.5.0.5 libstdc++.so.5.0.1sudo ln -s /usr/lib/libstdc++.so.5.0.5 libstdc++.so.5Toistaiseksi ainakin tulostus toimii ilman virheilmoituksia, mutta en ole vielä kokeillut Stadenia…

Käyttöjärjestelmä on Suse Linux 9

Sat, 19 May 2007 00:00:00 +0000

Kokeilen parhaillaan useita graafisia käyttöliittymiä EMBOSS-molekyyliohjelmistopaketille, ja olen lukenut hyviä arvosteluja kaptainista . Koska kaptainista ei kuitenkaan ole saatavilla rpm-paketteja Suse Linux 9:lle, yritin kääntää sen itse. Ensimmäinen ongelma oli, että configure-skripti ei löytänyt qt3:n kirjastoja ja otsikkotiedostoja:> checking for Qt… configure: error: Qt (>= Qt 2.2.2) (headers and libraries) not found. Tarkista asennuksesi!Siksi suoritin ./configure-komennon seuraavalla vaihtoehdolla:> ./configure --with-qt-dir=/usr/lib/qt3 Nyt konfigurointiskripti etenee loppuun asti. Make kuitenkin epäonnistuu edelleen, ja tulosteen viimeiset rivit ovat seuraavat:Making all in kaptain make[2]: Entering directory /home/jeltsch/downloads/kaptain-0.71/kaptain’ g++ -DHAVE_CONFIG_H -I. -I. -I.. -I/usr/lib/qt3/include -I/usr/X11R6/include -D_REENTRANT -O2 -fno-exceptions -fno-check-new -c kaptain.cpp kaptain.cpp: Konstruktorissa Kaptain::Kaptain(Intermediate*, Kaptain*, QWidget*, QBoxLayout*, QDialog*, bool, const char*)': kaptain.cpp:99: virhe: assert’ ei ole määritelty (ensimmäinen käyttö tässä funktiossa) kaptain.cpp:99: virhe: (Jokainen määrittelemätön tunniste raportoidaan vain kerran jokaisessa funktiossa, jossa se esiintyy.) kaptain.cpp: Jäsenfunktiossa void Kaptain::button_pressed()': kaptain.cpp:1576: virhe: ostream_iterator’ ei ole määritelty (ensimmäinen käyttö tässä funktiossa) kaptain.cpp:1576: virhe: jäsentämisvirhe ennen >'-merkkiä kaptain.cpp:1598: virhe: jäsentämisvirhe ennen >’-merkkiä make[2]: *** [kaptain.o] Virhe 1 make[2]: Poistutaan hakemistosta /home/jeltsch/downloads/kaptain-0.71/kaptain' make[1]: *** [all-recursive] Virhe 1 make[1]: Poistutaan hakemistosta /home/jeltsch/downloads/kaptain-0.71’ make: *** [all-recursive-am] Virhe 2Sain apua ohjelmiston tekijältä Zsolt Terekiltä. Minun piti lisätä kaptain.cpp-tiedoston alkuun: include include `.

Sekvenssien käsittelyn automatisointi (Stadenin pregap4 ja gap4)

Sat, 19 May 2007 00:00:00 +0000

Kirjoitin jo jonkin aikaa sitten skriptin, joka pyrkii automatisoimaan suurimman osan työstä, joka liittyy sekvenssien siirtämiseen ABI-sekvensseristämme gap4-tietokantaan. Skripti on kaukana täydellisestä ja näyttää tältä:!/bin/sh rm *.seq *.log Log\ file.txt for i in ls .ab1; do echo "Nimeän uudelleen $i" mv $i echo $i | sed “s/ $.\{27\}$ ./\1.ab1/" done ls *.ab1 *.txt > tracefile.list pregap4 -nowin -config /home/jeltsch/bin/pregap4_gap4.conf -fofn tracefile.list gap4 test.0.auxLaitoin skriptin kansioon ~/bin; ja tämä skripti on tarkoitettu suoritettavaksi siitä hakemistosta, jossa sekvenssit sijaitsevat. Yleensä koneellamme tehdyn yhden sekvensointikierroksen ab1-jäljitystiedostot tallennetaan yhteen hakemistoon yhdessä joidenkin (minulle) merkityksettömien lokitiedostojen jne. kanssa. Ensin skripti poistaa tarpeettomat tiedostot hakemistosta; sitten se lyhentää tiedostonimet 27 merkkiin plus .ab1-päätteeseen. Huvittavaa kyllä, pregap4 käsittelee pidempiä tiedostonimiä hyvin, mutta gap4:llä on ongelmia. Sen jälkeen kaikki jäljellä olevat tiedostot lisätään luetteloon (tracefile.list), jonka pregap4 lukee. pregap4:ää käytetään ei-interaktiivisesti. Se saa ohjeensa (moduulien asetukset) konfiguraatiotiedostosta (joka minun tapauksessani on myös tallennettu hakemistoon ~/bin). pregap4 kutsuu gap4-shotgun-assembleria ja tallentaa lukemat gap4-tietokantaan. Valitettavasti en ole keksinyt, miten tälle tietokannalle voitaisiin automaattisesti antaa kuvaava nimi. Tällä hetkellä niillä on kaikilla sama nimi, ja ne voidaan tunnistaa vain niiden sijainnin perusteella eri hakemistoissa. Olisi hyvä antaa niille automaattisesti yksilöllinen nimi, esimerkiksi kokoonpanon suorituspäivämäärä tai jotain vastaavaa. Kun kaikki tämä on tehty, gap4 kutsutaan ja se lataa juuri luodun tietokannan manuaalista tarkastelua ja muokkausta varten.Suurin osa sekvensoinnistamme tehdään uusien vektoreiden tarkistamiseksi. Siksi tiedämme yleensä tarkalleen, mitä sekvenssiä odotamme. Jos (mikä valitettavasti ei ole tilanne) ihmiset käyttäisivät rakenteidensa dokumentointiin ohjelmaa, joka sisältää täydelliset sekvenssitiedot (kuten Gene Construction Kit), trace-tiedostot tulisi verrata automaattisesti tällaiseen ”odotettuun” sekvenssiin.Tällä hetkellä saan tämän aikaan viemällä DNA-sekvenssin Gene Construction Kit -ohjelmasta (GCK) tekstimuotoisena tiedostona (ilmeisesti voisin käyttää myös EMBL-muotoa) ja sijoittamalla tämän tiedoston yhdessä ab1-trace-tiedoston kanssa samaan hakemistoon ennen skriptin käynnistämistä. Näin se käsitellään aivan kuten mikä tahansa muu sekvenssi, ja sekvenssilukemat kohdistetaan sen mukaan. On kuitenkin useita asioita, jotka haluaisin asetettavan automaattisesti gap4:ää käynnistettäessä, koska suoritan aina saman klikkausjärjestyksen tarkastellessani kohdistusta manuaalisesti gap4:ssä: Kaikkien eteenpäin suuntautuvien lukukehysten näyttäminen: Oletan, että koska ”odotettu sekvenssi” on pisin, se esiintyy kokoonpanossa aina eteenpäin suunnattuna ja lukukehykset ovat aina eteenpäin suunnattuja. Tämä johtuu siitä, että pidän (luettavuuden helpottamiseksi) vektorisekvenssin GCK:ssa aina sellaisessa suunnassa, että GOI:n CDS on eteenpäin suunnatussa kehyksessä.Erojen korostaminen taustavärillä tulisi ottaa käyttöön. Suur- ja pienkirjaineroja ei tulisi käsitellä eroina. Koska sekvensointimme laatu on vaatimaton, oletusarvot ovat useimmiten liian tiukkoja, jotta gap4 voisi syöttää lukemat samaan kontigiin. Siksi päädyn yleensä etsimään sisäisiä toistoja ja syöttämään ne manuaalisesti. Tämän pitäisi olla mahdollista asettaa automaattisesti gap4-kokoonpanossa, mutta en ole vielä ehtinyt selvittää, miten se tehdään.

EMBOSS ja GCK konstruktisekvenssien kokoamiseen ja dokumentointiin