A Fine-Tuned Universe

서로 유사하지 않은 유전체를 많은 수 분석하다보니 아래와 같은 오류가 생긴다 "number of clusters(51652) exceeds limit 5000 Multifastas not created. please check the spread for cintamination from differert species of increase the --group_limit parameter." --group_lilmit parameter로 cluster limit을 늘려주라는 말이다 논문을 찾아보니 아래 논문에서도 이 옵션을 사용한 경우가 있다 "Furthermore, we conducted pan-genome analyses using the Roary pipeline with the “-i 70 –gr..

유전체 정보의 편리한 다운로드를 위해 NCBI에서 만든 command line tool로 "datasets"있다 https://www.ncbi.nlm.nih.gov/datasets/docs/v2/download-and-install/ 리눅스, 맥, 윈도 모두 설치가능하다 리눅스에서 conda를 이용해 설치했다 conda create -n ncbi_datasets conda activate ncbi_datasets conda install -c conda-forge ncbi-datasets-cli 웹페이지에는 간단한 예제 명령어만 나와있는 것 같다. datasets --help로 필요한 걸 찾아보면 된다. 한 번에 모든 명령어에 대한 도움말이 나오지는 않고 datasets download --help 이렇..

FastANI 결과를 보면 아래와 같이 나온다 즉 genome1 genome2 ANI값 이런 식으로 나온다 하지만 보통은 matrix 형태로 정리된 아래 형태에 익숙할 것이다. 아니면 아래와 같은 형식으로 바꿔서 결과를 정리해야 할 때가 있다 그런데 비교하려는 유전체가 많아질 수록 결과를 정리하기가 힘들다. 그래서 주말에 아래와 같이 쉘스크립트를 써서 결과를 정리하였다 먼저 유전체 목록을 아래와 같이 파일로 만들었다. 사실 둘 다 같은 내용인데 가로 세로를 구분해서 생각하려고 따로 만들었다 ls *.gz > query_list ls *.gz > reference_list 그리고 아래와 같이 스크립트를 짜서 실행시켰다. #!/bin/bash while read query do awk -v genome=$q..

세균 유전체를 연구하기 전에 이용하고자 하는 유전체의 질을 따져보는 것이 중요하다. 유전체 본래의 크기가 모두 시퀀싱이 되었는지 또는 배양이나 시퀀싱 과정에서 오염이 발생하지 않았는지, 크게 이 두 가지 요인을 확인하여 전체적인 genome quality를 유추해볼 수 있다. CheckM은 유전체의 completenes와 contamination rate을 추정하여 genome quality를 계산해주는 유용한 프로그램인데 2022년 11월에 bioRxiv에 CheckM2가 소개되었다. https://www.biorxiv.org/content/10.1101/2022.07.11.499243v1.abstract CheckM1은 lineage-specific marker gene의 존재 유무와 copy num..