更新变动及进度

貌似距离上次更新已经有一段时日了，这一段时间忙完了各种事儿，也算迎来了本科生涯的最后一段悠闲时光。正好趁着这股兴致，把新的 Jusekit 文章给肝出来。

已有功能的相关教程请见：Juseの软件开发

Python 代码实现：比较转录组分析（七）—— 系统发育分析

本次更新变动

  • 新增序列过滤功能。
  • 序列串联输出的 log 文件新增 gap 信息。
  • 新增了部分按钮选择文件时的后缀选项。

目前的功能进度

  • 提取最长转录本。（已实现）
  • 根据 id 提取序列。（已实现）
  • 对序列的 id 进行各种处理。（已实现）
  • 串联序列并得到分区信息。（已实现）
  • 批量改后缀。（已实现）
  • 批量进行序列格式转换。（已实现）
  • 批量提取 Orthofinder 的 orthogroup 对应的 CDS 序列。（已实现）
  • 批量进行序列的物种数和长度过滤。（已实现）

叠盾警告⚠：本软件解释权归属 Juse 所有，本软件能走多远具体得看 Juse 能坚持多久。

下载地址：https://github.com/JuseTiZ/JuseKit/releases

序列过滤

本文主要着重于这次更新新增的功能，其他模块请走这里。

序列过滤功能

为什么需要这个功能？多个基因的联合建树能够揭示出准确的系统发育关系，不过这个过程中也需要一定的筛选和过滤。

比如说，如果某个基因的比对太短，那么它可能根本无法提供什么有价值的信息。亦或者是某个比对所包含的物种数量过少，某条序列的 gap 占比过多等……

这些时候，舍弃某些不符合要求的比对和序列，保留下那些信息量足够的基因进行串联建树，一方面可以提高系统发育分析的分辨率，另一方面也可以提高后续相关软件的运行效率等。

基于此，Jusekit 中加入了 序列过滤 功能，以实现以上具体想法。

操作流程：

各个过滤参数的含义：

  • 比对最短长度：默认为 80，若比对的长度小于 80bp/aa 则直接丢弃。
  • gap 符号：默认为 -，用于计算序列去除 gap 后的长度。
  • 序列去除 gap 后最短长度：默认为 80，若比对中的序列去除 gap 后长度小于 80bp/aa 则丢弃。
  • 物种标识：默认为 @，用于识别比对所包含的物种数量，物种标识的相关定义可看以往教程。
  • 比对包含最少物种数量：默认为 1，当序列经过所有过滤后，所包含的物种低于该数时，丢弃该比对。该值可设置为 研究中所包含的物种数 / 2 （常见的标准）。

最后过滤的所有信息可以在输出文件夹的 filter.log 中查看。

序列串联 log 新增 gap 率

如题所示，在新更新的 Jusekit v0.6 中，序列串联后产生的 log 中将包含每个物种的 gap 率。

后记

我会争取将这些功能慢慢完善，让它成为一个具有更广适用性的软件，希望能够帮助到某些盆友，当然我个人认为最大的可能是自娱自乐。

如果这个软件帮助到您了，您可以给它一个小小的 Star 聊表支持，或者在您汇报的时候引一下 https://github.com/JuseTiZ/JuseKit/ ，想必看着还是非常高端大气上档次的。