其实如果你也是有时间,愿意耗费时间把这些流程整理成文章,就可以投稿发表哦! 我觉得这个才是生信人该做的事情,而且一个人就可以独立完成: 步骤包括:
代码共享在 GitHub: https://github.com/zhxiaokang/RASflow,如果你看我三年前的免费视频课程《RNA-seq数据分析》,就会发现,真的是大同小异。 作者需要照例把自己的流程跟已经发表的其它转录组数据分析流程进行了比较: 也就是说,仅仅是转录组这个领域,发表的流程相关文章就十几篇了! 不过,有意思的是流程发的再多,也是用的人也很少。但是可以非常好的锻炼到自己的能力. 在2020年五月发表在peerJ期刊文章:fRNAkenseq: a fully powered-by-CyVerse cloud integrated RNA-sequencing analysis tool 也是类似,作者有三个人,分别是Allen Hubbard,唐纳德丹佛植物科学中心(圣路易斯是美国密苏里州东部大城市),Matthew Bomhoff(美国亚利桑那大学植物与土壤科学系)和 Carl J. Schmidt(特拉华大学动物与食品科学系,纽瓦克市,美国)。 我们团队优秀的NGS组学授课讲师:张娟解读了这篇文章。 关于这个杂志,搜到技能树以前的一个帖子,挺有意思的额:peerJ期刊探索 整体来说就一张图就看完了整个文章,额,我找了半天,文章从头找到尾,我本来以为人家开发一个tools,至少的给一个GUI或者啥的统一接口啥的,结果没有,都是基于别人的网页。不知道是不是我眼瞎没找到==还是说是Agave? 文章流程图: 图注:Figure 1 Data lifecycle of fRNAkenseq job and schema illustrating how components across CyVerse and CoGe relate to one another. (A) Outline of Agave App 使用方法: 1、通过CyVerse Data Store:https://de./de/ 上传原始fq数据,那么这个地方网速就会成为一个痛点,网站反应速度还行。内嵌形式。后面使用卡顿。体验感不好。 2、通过CoGe(The Comparative Genomics Platform )获得参考基因组fa或者注释文件或者上传自己的参考基因组。 3、A Grid And Visualization Environment (Agave) API system 这个文章中可能比较有意思的地方在于CoGe这个资源。 关于CoGe的介绍: 比较基因组数据库:CoGe: Comparative Genomics https:///coge/CoGe is a platform for performing Comparative Genomics research. It provides an open-ended network of interconnected tools to manage, analyze, and visualize next-gen data. 目前该网站首页显示有(2018.03.01) Organisms: 18,131 Genomes: 33,748 Features: 1,733,099,822 Experiments: 9,467 这是该网站的介绍:FAQs - CoGepedia https:///wiki/index.php/FAQs#What_is_CoGe.3F该网站物种量大,数据格式比较规范,容易下载和使用 3.1 What is CoGe?CoGe是一个快速、方便地检索和比较基因组信息和序列数据的在线系统。更新到Aug 1st, 2019,已经有50,000 Genomes in CoGe。 3.2 Why call it CoGe?CoGe(发音/ kō:jē/)代表比较基因组学(Comparative Genomics)。 3.3 Why make another comparative genomics system?我们发现,现有的比较基因组系统在其容纳基因组信息的能力上是有限的,为了使其便于比较分析,我们从头开始设计CoGe来解决四个主要的限制:
总之,我们想要一个比较基因组系统,能让我们尽可能快地测试我们的想法和假设,这样我们就能花更多的时间思考基因组和它们的进化,而不是试图获得和分析基因组序列。 同时,我们意识到,我们需要一个系统,可以让我们快速开发新工具,并添加新的基因组数据,因为它们是可用的。这意味着当我们将一个新的基因组加载到CoGe中,CoGe的所有工具都可以立即进行分析。同样,如果我们开发出一种新工具,用一组基因组解决一个特定问题,那么CoGe中所有的基因组都可以立即使用。 3.4 How is CoGe designed and put together?CoGe的核心设计原则是保持简单和高效。这从底层的计算基础设施扩展到基于web的工具。尽管大规模的比较基因组学分析最好是通过编程和访问CoGe的API来完成,但主要还是基于网络的工具推动了分析。请按照此链接浏览CoGe的系统设计概述。 CoGe's system design CoGe’s system architecture CoGe的核心是一个关系数据库(a),用于存储来自多种生物在任何装配状态下的多种版本的基因组。在这个数据库之上是一个应用程序编程接口(API;2)提供对数据库的高级功能访问。使用这个API,几个基因组加载程序(3)搜索各种基因组库,以添加新的基因组到数据库。CoGe利用了几个新的库来可视化各种规模的基因组数据(4)和许多第三方应用程序来进行序列分析(5)。一套基于web的应用程序(6)将这些子系统结合在一起,创建了一套相互关联的软件工具,可为世界各地的研究人员评估 CoGe’s suite of web-based applications creates an open-ended analysis network 这些工具互联的本质(黑线和箭头)创建了一个开放的分析网络,没有预先定义的开始或结束分析。每个工具都专门用于特定类型的数据或分析,都有自己的web应用程序。使用基于web的工具开发框架本质上是为存储分析状态创建了一种方法,这样分析就可以为将来的工作“保存”。这也允许外部工具和数据集容易链接到CoGe为许多类型的数据和分析。绿框是研究人员可以用来开始分析的数据类型。橙色的盒子是允许用户直接访问的应用程序。蓝框是通过另一个工具访问的内部应用程序。紫色盒子是用于显示特定类型数据的网络工具模块。红盒子是CoGe的核心模块。黄色框是CoGe基于web的框架之外的资源。 3.5 What is needed to run CoGe?并不多。只需一个网页浏览器就可以连接到互联网:
3.6 What is CoGe's sequence analysis workflow or pipeline?虽然我们将CoGe设计成易于查找和比较基因组序列,但系统中没有单一的线性工作流程。相反,CoGe的工具创建了一个开放式的分析网络。有一些中心工具和访问点允许您访问系统以查找感兴趣的序列,以及“hub”点将您从系统的一个部分带到另一个部分。这允许在工作时产生想法,并能够迅速扩展到调查任何你发现的有趣现象。当你有了答案,分析就结束了。 例如,您从您最喜爱的基因组(鼠标)
大量NGS组学等待你发表流程文章哦B站的不同的数据分析视频课程,见: 其实如果你也是有时间,愿意耗费时间把这些流程整理成文章,就可以投稿发表哦! |
|