GIVE 中 添加互作基因

2023-10-18 09:10
文章标签 give 基因 互作

本文主要是介绍GIVE 中 添加互作基因,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

GIVE 中 添加互作基因

    • 1. 第一种方法
    • 1. 第二种方法 (推荐)

1. 第一种方法

文件会随着时间的推移而改变

-- 创建一个表, 只需改动数据库名和表名即可
CREATE TABLE `hg19`.`a` (`ID` int(10) unsigned NOT NULL AUTO_INCREMENT,`chrom` varchar(255) NOT NULL DEFAULT '',`start` int(10) unsigned NOT NULL DEFAULT '0',`end` int(10) unsigned NOT NULL DEFAULT '0',`linkID` int(10) unsigned NOT NULL DEFAULT '0',`value` float NOT NULL DEFAULT '0',`dirFlag` tinyint(4) NOT NULL DEFAULT '-1',PRIMARY KEY (`ID`),KEY `chrom` (`chrom`(16),`start`),KEY `chrom_2` (`chrom`(16),`end`),KEY `linkID` (`linkID`)
) ENGINE=InnoDB;-- 加载表中的数据
LOAD DATA LOCAL INFILE "/tmp/give/Intersection_1.bed" INTO TABLE `hg19`.`a`;-- 添加注释, 可能需要改动数据库名, 表名不需要固定的
INSERT INTO `hg19`.`trackDb` VALUES ('a',                                 -- 表的名字'interaction',                       -- 固定不变的21,NULL,NULL,-- 分组的名字,来源于 grp 数据库的 name 字段'interactions',                      -- Group name, should be the same as grp.name'{"group":"interactions",            -- 分组的名字,来源于 grp 数据库的 name 字段"shortLabel":"interactions_a",     -- 在浏览器中显示长基因的名字"priority":21,"longLabel":"interactions_a",      -- 在浏览器中显示短基因的名字"track":"a",                       -- 在 data-hub 中显示基因的名字"type":"interaction",              -- 固定不变的"quantiles": [                     -- 固定不变的10, 60, 110,160, 210, 260, 310,360, 410,460, 510,560, 610,660, 710,760, 810,860, 910,960, 1010 ],"visibility":"hide"                -- 固定不变的, 用于显示作用, 如果没有,则在 data-hub 中只能看见 Type 字段, 其它字段看不见}'
);

浏览的时候发现不支持多选

**在 singleChoice 中设置是否同意单选,不同意设为 0 便可以多选**

在这里插入图片描述

执行下面的 sql 语句

use hg19;
UPDATE grp SET singleChoice = "0" where name = "interactions";

在这里插入图片描述

1. 第二种方法 (推荐)

bash add_track_interaction.sh -u root -p Admin2015 -r hg19 -t "interaction" -g "interaction" -l "interaction" -s "interaction" -o 6 -v full -q "0.37,1.32,1.78,2.19,2.60,2.97,3.43,3.85,4.34,4.90,5.48,6.16,6.94,8.01,9.05,10.41,12.37,14.88,19.84,31.77,290.17" -f /tmp/give/interaction/interaction.bed;

这篇关于GIVE 中 添加互作基因的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/231622

相关文章

临床基础两手抓!这个12+神经网络模型太贪了,免疫治疗预测、通路重要性、基因重要性、通路交互作用性全部拿下!

生信碱移 IRnet介绍 用于预测病人免疫治疗反应类型的生物过程嵌入神经网络,提供通路、通路交互、基因重要性的多重可解释性评估。 临床实践中常常遇到许多复杂的问题,常见的两种是: 二分类或多分类:预测患者对治疗有无耐受(二分类)、判断患者的疾病分级(多分类); 连续数值的预测:预测癌症病人的风险、预测患者的白细胞数值水平; 尽管传统的机器学习提供了高效的建模预测与初步的特征重

bedtools subtract 基因区段取差集

基本概述: bedtools subtract 通俗的说,得到 A - B 的区段。如果在A中发现了B区段,就把 B 扣除,通过不同的参数,扣除的标准不一样。其中,参数 -A 可以达成 Remove features with any overlap 的效果(第四行)。 使用方法: bedtools subtract [OPTIONS] -a <BED/GFF/VCF> -b <BE

【佳学基因检测】网站加密证书失效后,如何移除并为新的证书安装准备环境?

【佳学基因检测】网站加密证书失效后,如何移除并为新的证书安装准备环境? 当WoTrus DV Server CA证书失效后,你需要确保你的Nginx配置中不再引用该证书,并且移除或替换相关的证书文件。以下是具体步骤: 1. 确认Nginx配置文件 首先,检查Nginx的配置文件,确保它不再引用旧的WoTrus证书。如果你已经使用Certbot安装了Let’s Encrypt证书,Certbo

外泌体相关基因肝癌临床模型预测——2-3分纯生信文章复现——5.拷贝数变异及突变图谱(2)

内容如下: 1.外泌体和肝癌TCGA数据下载 2.数据格式整理 3.差异表达基因筛选 4.预后相关外泌体基因确定 5.拷贝数变异及突变图谱 6.外泌体基因功能注释 7.LASSO回归筛选外泌体预后模型 8.预后模型验证 9.预后模型鲁棒性分析 10.独立预后因素分析及与临床的相关性分析 11.列线图,ROC曲线,校准曲线,DCA曲线 12.外部数据集验证 13.外泌

在线绘制哑铃图(dumbbell chart)展示基因拷贝数变异(CNV)

导读: 哑铃图的名称来源于其形状,它看起来像一个哑铃,有两个圆形的“重量”在两端,通过一根“杆”连接。常用于展示两个或多个数据集之间的差异。本文介绍了如何使用哑铃图展示基因的拷贝数变异。 Journal of Translational Medicine文章《SLC26A4 correlates with homologous recombination deficiency and pa

基因敲除小鼠技术

转基因、基因敲入/敲除动物技术已经成为现代生命科学基础研究和药物研发领域不可或缺的重要技术,该技术从上世纪七八十年代诞生以来,至今已有近四十年的历史,经典技术如DNA原核显微注射、胚胎干细胞显微注射技术一直以来经久不衰,在小鼠模型构建方面日趋完善,并且如同剪切酶和抗体等常规分子生物学试剂的制备技术一样,逐渐从基础研究实验室转向商业模式,成为一项高度标准化的新兴产业,催生了数以百计的创新药

一个新基因的产生

一个新基因的产生,不仅仅是产生一个新的基因序列,其对应的调控机制和调控原件也应该伴随产生,不然这个基因就是个不受调控的基因,对生物体造成不可逆的伤害,导致个体死亡,这个基因也就无法遗传得以保留。

印记基因

最近在做杂交方面的转录组,无意中看到了印记基因(imprinted gene),觉得有用,收集资料,备用。 http://users.rcn.com/jkimball.ma.ultranet/BiologyPages/I/Imprinting.html

与PC1显著相关的基因 | p值计算

1. 相关系数的显著性 t=r*sqrt(n-2) / sqrt(1-r**2) 其中,统计量t符合自由度为 n-2 的t分布。 2. 与PC1显著相关的基因 就是求相关系数r=cor(PC1_score, Xk),其中 PC1_score 长度为样品总数,是PC1 的loading * 每个变量的scale后的值Xk是第k个变量在每个样品的值 然后由r计算t统计量,及对用的p值,见上文

零基础入门转录组数据分析——单基因ROC分析

零基础入门转录组数据分析——单基因ROC分析 目录 零基础入门转录组数据分析——单基因ROC分析1. ROC分析的基础知识2. 单基因ROC分析(Rstudio)——代码实操2. 1 数据处理2. 2 单基因ROC分析2. 3 ROC曲线简单可视化 1. ROC分析的基础知识 1.1 ROC分析是什么? ROC(Receiver Operating Characte