Kategoria: Bioinformatiikka

  • eggNOG7-annotointiskripti

    Kirjoitin metagenomiikkaputkeamme varten nopeasti annotointiskriptin, joka löytyy täältä ja josta voi olla hyötyä muillekin.

    https://github.com/fischuu/eggnog7_annotator

    Työkalu ottaa geeniennusteista saadut proteiinisekvenssit ja annotoi ne (eli vertaa niitä) tunnettuihin proteiineihin, niiden toimintoihin ja taksonomiseen alkuperään. Näin se tuo vähän valoa pelkkiin proteiinisekvensseihin.

    Nykyinen eggNOG-annotaattori käyttää vain tietokannan versiota 5, eikä sitä ollut saatavilla versiolle 6. Nyt eggNOG 7 on julkaistu, ja MetaG-putkiryhmässämme ajattelimme, että db7-annotaattori olisi hyvä. Lisäsimme sen putkeen ja teimme siitä myös tämän erillisen version, joka on linkitetty tähän.

  • Siikojen ymmärtäminen pohjoisella Itämerellä

    Siikojen ymmärtäminen pohjoisella Itämerellä

    Uusi artikkeli, jossa olin mukana, on julkaistu lehdessä Fisheries Research.

    Tutkimus käsittelee pohjoisen Itämeren siikaa, jota esiintyy kahtena muotona eli ekotyyppinä: toinen vaeltaa jokien ja meren välillä (anadrominen) ja toinen kutee kokonaan meressä. Molempia pyydetään kalastuksessa yhdessä, mutta vaeltava muoto on uhanalainen, kun taas meressä kutevalla muodolla menee paremmin.

    Tutkimme tapoja erottaa nämä kaksi muotoa toisistaan sekä ulkoisten tuntomerkkien että geneettisen aineiston avulla. Se ei aina ole yksinkertaista: joillakin kaloilla on sekalaisia piirteitä, luultavasti aiempien istutusten, elinympäristön muutosten tai vaihtelevien vaellustapojen vuoksi. Tutkimme myös, miten pyyntisyvyys, vuodenaika ja verkon silmäkoko vaikuttavat siihen, kumpaa muotoa saaliiksi saadaan. Tulokset osoittavat, että kalastuskäytännöt voivat vaikuttaa saaliin koostumukseen voimakkaasti, ja paikan ja ajankohdan mukaan säädetyt kalastussäännöt voisivat auttaa suojelemaan uhanalaista siikakantaa.

    Koko artikkeli on luettavissa ScienceDirectissä:
    https://www.sciencedirect.com/science/article/pii/S0165783626000019

  • Uusi R-paketti aloitettu

    Aloitin juuri uuden R-paketin nimeltä ”SnakebiteTools”. Haluan koota siihen pieniä apufunktioita Snakemake-ajojen parempaan analysointiin ja seurantaan. Tulosteita voi myöhemmin käyttää resurssien optimointiin, käynnissä olevan Snakemake-ajon tilan tarkistamiseen (mikä voi olla sekavaa, jos töitä on paljon) jne.

  • Pudotusvalikoiden luominen Exceliin

    Pudotusvalikoiden luominen Exceliin

    En usein muista, miten Exceliin tehdään yksinkertaisia pudotusvalikoita, joten päätin kirjoittaa tähän lyhyen muistiinpanon. Mitä haluan:

    1. Yhdelle välilehdelle sarake, jossa ovat pudotusvalikon mahdolliset arvot, esimerkiksi projektieni nimet
    2. Toisella välilehdellä sarakkeen jokaiseen soluun pudotusvalikko, josta voin valita näistä arvoista.

    Tämä on periaatteessa melko helppoa:

    Vaihe 1: Laadi lista toiselle taulukolle

    1. Avaa Excel-tiedosto ja siirry taulukkoon, johon haluat tallentaa pudotusvalikon arvot (esim. Projects).
    2. Kirjoita arvot sarakkeeseen (esim. A1:A10 taulukossa Projects).

    Vaihe 2: Nimeä lista (valinnainen, mutta suositeltava)

    1. Valitse arvoalue taulukossa Projects (esim. A1:A10 tai koko sarake).
    2. Klikkaa välilehteä Kaavat → Määritä nimi.
    3. Kirjoita nimi (esim. MyProjects) ja klikkaa OK.

    Vaihe 3: Luo pudotusvalikko

    1. Siirry taulukkoon, johon pudotusvalikko tulee (esim. Tasks).
    2. Valitse solu(t), joihin pudotusvalikko tulee.
    3. Klikkaa välilehteä Tiedot → Tietojen kelpoisuuden tarkistaminen.
    4. Valitse kohdassa Salli vaihtoehto Luettelo.
    5. Kohdassa Lähde:
      • Jos alue on nimetty: kirjoita =MyProjects
      • Jos ei: kirjoita esim. =Projects!A1:A10
    6. Klikkaa OK.

    Jos ensimmäisellä rivillä on otsikko (esim. sarakkeiden nimet), se kannattaa poistaa pudotusvalikon vaihtoehdoista. Sen voi tehdä näin:

    Tapa 1: Poista kelpoisuuden tarkistus yhdestä solusta (vain otsikko)

    1. Klikkaa sarakkeen ensimmäistä solua (esim. A1).
    2. Siirry välilehdelle Tiedot → klikkaa Tietojen kelpoisuuden tarkistaminen.
    3. Klikkaa ikkunassa Tyhjennä kaikki → OK.

  • Tiedostojen laskeminen kansioistani

    Levytilan tehokas hallinta on tärkeää, varsinkin järjestelmissä, joissa on tiukat tiedostokiintiöt. Hiljattain ylitin tiedostorajani ja tarvitsin nopean tavan selvittää, missä kansioissa on eniten tiedostoja. Tallennustilan käytön analysointiin käytin seuraavaa komentoa:

    for d in .* *; do [ -d "$d" ] && echo "$d: $(find "$d" -type f | wc -l)"; done | sort -nr -k2

    Komento osa osalta

    Tämä yhden rivin komento laskee tehokkaasti tiedostot kaikista nykyisen sijainnin hakemistoista, myös piilotetuista. Näin se toimii:

    • for d in .* *: käy läpi kaikki tiedostot ja hakemistot, myös piilotetut.
    • [ -d "$d" ]: varmistaa, että käsitellään vain hakemistoja.
    • find "$d" -type f | wc -l: laskee kaikki tiedostot (ei hakemistoja) jokaisesta kansiosta alikansioineen.
    • sort -nr -k2: lajittelee tulokset tiedostomäärän mukaan laskevaan järjestykseen.

    Miksi tästä on hyötyä

    Tällä komennolla löysin nopeasti hakemistot, jotka vievät eniten inodeja, ja pystyin toimimaan, esimerkiksi siivoamaan tarpeettomia tiedostoja. Tehokas tapa ymmärtää tiedostojen jakautuminen ja pysyä tallennusrajoissa.

    Vaihtoehtoisia tapoja

    Jos haluat laskea vain kunkin kansion suoraan sisältämät tiedostot (ilman alikansioita), komentoa voi muuttaa näin:

    for d in .* *; do [ -d "$d" ] && echo "$d: $(find "$d" -maxdepth 1 -type f | wc -l)"; done | sort -nr -k2

    Tämä muunnelma on hyödyllinen, kun tarvitaan paikallisempi kuva tiedostojen jakautumisesta.