原文发表于轻单，由于它濒死，于是转载于此。

作为一个咖啡爱好者，偶尔也发点非专业类的文章在这个博客。生活若完全没有了情调，人也会变得无聊吧。

想享受咖啡又 (xiâng) 犯 (shêng) 懒 (qián) ？请看。

法压壶

使用金属滤网。放入磨好的粉，泡上热水，压下，倒出。丢弃咖啡渣，热水冲干净即可。

摩卡壶

爱咖啡的油脂？用摩卡壶。

• 装粉，装水，组装壶。加热，出咖啡后拆开壶清洗。
• 优点：使用金属滤网，好清洗；缺点：需要热源。

不锈钢过滤器

• 优点：金属滤网好清洗；
• 缺点：萃取不能一次完成（需要多次注水来萃取），需要有个注水的壶。

配一把手冲壶，还是有必要的。可有做出优秀的单品咖啡。

越南咖啡过滤器

嫌单品太苦，试试越南咖啡，配炼乳。

• 优点：注水后等着就行了。
• 缺点：需要滤纸。

背景

• 为什么要使用 aspera？

  • 因为测序数据迈入 NGS 时代后，通量增长很快，尤其是 NCBI SRA 的数据，单个压缩包很大，需要使用更快速的传输工具。
  • aspera 提供命令行的交互，便于管理

• aspera 比传统的 scp, wget 速度更快，同时具有命令行程序的纯文本输出特性。

• aspera 还有图形界面版本，适合多种偏好的用户。

博耘生物说:

速铂Aspera是一套商业的高速文件传输解决方案，随着高通量数据的大量产生，从而对于大文件快速传输的需求，开始应用到生物领域，目前 NCBI、EBI 的 SRA 库都提供这样的服务。
…
一句话，远距离，大文件，Aspera 优势巨大。

我说：

你如果经历过使用 wget 下载 sra 数据要等几天几个星期，还可能断掉，就知道用下面这个黑科技有多爽了。

安装 aspera-connect：

1
2
3
4
5
6
7
8
9
10
11
12

# 查看系统的版本
$ uname -a
*x86_64*

# 下载对应的版本（目前测试需要翻墙）
$ wget http://download.asperasoft.com/download/sw/connect/3.6.0/aspera-connect-3.6.0.106805-linux-64.tar.gz

$ gunzip aspera-connect-3.6.0.106805-linux-64.tar.gz
$ tar -xvf aspera-connect-3.6.0.106805-linux-64.tar

# 安装
$ sh aspera-connect-3.6.0.106805-linux-64.sh

安装输出结果

1
2
3
4
5
6

Installing Aspera Connect

Deploying Aspera Connect (/home/your_user_name/.aspera/connect) for the current user only.
Restart firefox manually to load the Aspera Connect plug-in

Install complete.

修改环境变量

1
2
3
4
5
6
7

$ vi ~/.bash_profile

# 添加下面一行
export PATH=/home/your_user_name/.aspera/connect/bin:$PATH

# 环境变量生效
$ source ~/.bash_profile

配置参数，测试下载

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

# PRIVATE-KEY-FILE 文件位置
~/.aspera/connect/etc/asperaweb_id_dsa.openssh


# 下载用的命令
$ ascp  -i asperaweb_id_dsa.openssh --mode recv --host ftp-private.ncbi.nlm.nih.gov --user anonftp   --file-list  sra_list.txt  -k 1 -QT -l 200m  /path_to_save_download/


# 对参数的解释
Usage: ascp [OPTION] SRC... DEST
          SRC to DEST, or multiple SRC to DEST dir
          SRC, DEST format: [[user@]host:]PATH
  -h,--help                       Display usage
  -A,--version                    Display version.
  -i PRIVATE-KEY-FILE             Private-key file name (id_rsa)
  --mode=MODE                     MODE: send, recv
  --host=HOSTNAME
  --user=USERNAME
  --file-list=FILENAME            File with list of sources
  -k RESUME-LEVEL                 Resume criterion: 0,3,2,1
  -l MAX-RATE                     Max transfer rate
  -q                              Disable progress display
  -T                              Disable encryption
# 一般来说，你只要修改 `--file-list` `-i` 对因你自己的情况即可

获取下载文件地址

一个 sra_list.txt 例子:

1

/sra/sra-instant/reads/ByRun/sra/ERR/ERR009/ERR009428/ERR009428.sra

如何获取此地址：

1. 找到 sra 文件的页面（发表的文章一般会提供这个页面的 ID），点击红框进入下一页

   

2. 地址栏里显示了地址，然后按照上文的 sra_list.txt 模式编写

   

OS X 如何使用？

在 OS X 下，可以直接从官网下载 dmg 的安装包。安装之后，注意：

1
2
3
4
5

# 程序的可执行文件路径
/Users/your_user_name/Applications/Aspera\ Connect.app/Contents/Resources/ascp

# PRIVATE-KEY-FILE 文件位置
/Users/your_user_name/Applications/Aspera\ Connect.app/Contents/Resources/asperaweb_id_dsa.openssh

其他上述参数沿用。

最后，请欣赏华丽丽的下载速度。

Install and test bowtie and tophat

注意 /abs_path/filename 表示存放 filename 文件的绝对路径。

下载可执行程序：

1
2
3
4
5
6
7

# 查看系统的版本
$ uname -a
*x86_64*

# 下载
$ wget http://vorboss.dl.sourceforge.net/project/bowtie-bio/bowtie2/2.2.5/bowtie2-2.2.5-linux-x86_64.zip
$ wget http://ccb.jhu.edu/software/tophat/downloads/tophat-2.1.0.Linux_x86_64.tar.gz

修改环境变量

1
2
3
4
5
6
7
8
9
10
11

$ vi ~/.bash_profile

# 添加下面一行
export PATH=/abs_path/tophat-2.1.0.Linux_x86_64:/abs_path/bowtie2-2.2.5:$PATH

# 环境变量生效
$ source ~/.bash_profile

chmod 755 tophat
chmod 755 bowtie2
# 注意，所有的可执行程序，都要改为 755。否则，可能会导致 PBS 无法找到该文件

下载测试用数据，用 bowtie2 做 index，测试 tophat:

1
2
3
4
5

$ wget http://ccb.jhu.edu/software/tophat/downloads/test_data.zip
$ unzip test_data.zip
$ cd test_data
$ bowtie2-build /abs_path/test_ref.fa /abs_path/test_ref
$ tophat /abs_path/test_ref test_reads.fq

Reference

• Indexing and Barcoding for Illumina NextGen Sequencing

Software

• tophat: test_data_set
• bowtie

今天师弟问了一个问题：

由于 rab-db 提供的水稻 loc ID 和 Os ID 的转换服务不能用了，有没有其他资源可以提供 ID 转化呢？

我答：

可以使用 uniprot 整理好的 ID。从下载的 uniprot text 的 OrderedLocusNames 属性提取。

其实，这只是 uniprot 数据库的一个简单的应用。作为世界最大的蛋白质数据库，uniprot 可是说是 biocuration 工作的集大成者。我觉得有必要写一个系列来讲讲 uniprot 的各种有趣的用处。本文作为这个系列的第一篇。

Mr.Wiki 说：

UniProt is a comprehensive, high-quality and freely accessible database of protein sequence and functional information, many entries being derived from genome sequencing projects. It contains a large amount of information about the biological function of proteins derived from theresearch literature.

作为一个 uniprot 的老用户，个人认为三大特性当之无愧：

• comprehensive: 自动化的流程对多个数据库资源的深度整合（有没有百宝箱的感觉？）
• high-quality: 进行了大量的人工校正
• freely accessible

uniprot 的最大亮点还在于 research literature 的文献挖掘。这点让大量的文献标准化，从而可以被标准化地分析利用。

UNIPROT 的数据格式

已经不记得从来里看到的这本书的介绍。后来这本书成了我和爱人一起读的第一本书，却也是在我们最忙的时候（搬到新的城市，换工作，开始城铁通勤生活）读的一本。我陆陆续续的批注，攒成这个札记。

第一部 分认知革命

第一章 人类：一种也没什么特别的动物

在历史的路上，有三大重要革命：大约7万年前，“认知革命”（Cognitive Revolution）让历史正式启动。大约12000年前，“农业革命”（Agricultural Revolution）让历史加速发展。而到了大约不过是500年前，“科学革命”（Scientific Revolution）可以说是让历史画下句点而另创新局。

人类的三次重要革命（伟大的 XX 革命根本排不上号）：

• Cognitive Revolution
• Agricultural Revolution
• Scientific Revolution

这点对妇女来说造成的负担更大。直立的步行方式需要让臀部变窄，于是产道宽度受限，而且别忘了婴儿的头还越来越大。于是，分娩死亡成了女性的一大风险。

所以，剖腹产是一种变相的人工进化吗？

其他在金字塔顶端的动物（例如狮子、鲨鱼）得要花上好几百万年的时间，才终于通过演化站上顶峰。因此生态系统有时间发展出种种制衡，避免狮子和鲨鱼造成太大的破坏。
……
但相比之下，智人就像是个香蕉共和国的独裁者。我们在不久之前，还是大草原上的小可怜，整天充满恐惧和焦虑，但这也让人类更加残酷和危险。人类历史上众多的灾难，不论是生灵涂炭的战乱还是生态遭逢的浩劫，其实都是源自这场过于仓促的地位跳跃。

人类就是地球的癌症，这是《骇客帝国》里 Agent Smith 的台词。

此外，人类还是一种特别自恋的动物。

制衡这个词在这里颇有些将自然界比拟为“生命共和国”的意味，为了所有生物共同的福祉，地球生态系统一直在默默地平衡各方的利害关系。但从本质思考，这个世界是繁荣还是荒芜，地球一样继续运转；所谓的和谐还是破坏，都是人类自己的价值吧。

毕竟，宽容可不是智人的特色。即使到了现代，不过是因为肤色、方言、宗教等等微小的差异，就足以让智人彼此大动干戈、非要把对方赶尽杀绝。
…
很有可能，当智人碰上尼安德特人的时候，就发生了史上第一次也是最严重的一次种族净化运动。

同种 (Species) 相残的动物本性在史书中的记录血迹斑斑，更何况同属 (Genus)。

第二章 知善恶树

大约就是在距今7万到3万年前，出现了新的思维和沟通方式，这也正是所谓的认知革命。
…
得到普遍认可的理论认为，某次偶然的基因突变，改变了智人的大脑内部连接方式，让他们以前所未有的方式来思考，用完全新式的语言来沟通。
…
为什么这只发生在智人的DNA里，而没有发生在尼安德特人的DNA里？我们现在只能说这就是纯粹的偶然。

在演化 (evolution) 的历史中，充满了偶然；从生命史的视角，从来就没有什么“历史的必然”。

收集我用过的 Perl module，写一些简单的用法。

对比较有趣的包，有复杂的用法会单独写文章。

Parser

• swissknife: uniprot
• Bio::TreeIO
• Bio::Phylo::IO

Data and debug

• Data::Dumper

Other

• SVG::Convert

Database

• NCBI: PubMed RefSeq SRA Taxonomy
• Ensembl: Gramene Ensembl Plants
• Uniprot: swissknife Expert Biocuration
• UCSC Genome Browser Home: hg19

Coding

• Github: circos wormbase-pipeline ensembl-compara
• sourceforge
• CPAN: pm
• bioperl: pm
• BioJS: Phylogenetic Tree MSA Proteome visualization Genetic variation viewer
• Generic Model Organism Database: Jbrowse Galaxy WebApollo

Community

• Stack Overflow
• BioStar
• SeqAnswer
• Public library of bioinformatics
• 生信菜鸟团: QQ group 201161227
• BJC俱乐部

Blogs

• Xiaole Shirley Liu’s Blog: COMPUTATIONAL GENOMICS CANCER EPIGENETICS MINING BIG DATA
• 伊现富
• 知行斋
• 糗世界: Circos教程 NGS R bioconductor
• 数据科学与R语言
• 博耘生物
• Sam’s Note
• 铁汉1990
• linxiao.name: NGS R PAML GMO
• Mike Bostock: author of d3 viz
• Jason Davies: d3 map viz

Others

• 阮一峰的网络日志
• 乱象，印迹
• 徐宥

2015 年读书单

在读的和读完的书。

我一直关注电子阅读。用过第一代的 Kindle DX, 后来改用 iPad。目前读书，一部分在 iPad/iPhone，一部分在电脑上。

准备在这里写写读书笔记。欢迎抬杠。

在读

1. 技术领导之路 by Gerald M.Weinberg, 余晟译
2. Sapiens: A Brief History of Humankind by Yuval Noah Harari
3. 人造恐慌 by 袁越

读完

1. 民主的细节 by 刘瑜
2. 一转念 : 用经济学思考 by 兰小欢
3. The elements of style by William Strunk Jr. and E. B. White
4. Pro Git by Scott Chacon

笔记

• Sapiens
• 技术领导之路

BLAST

配置 MCL 的 MySQL 数据库

1
2
3
4

$ create database orthomcl;
$ DROP TABLE BestHit, BestInterTaxonScore, BestQueryTaxonScore, BetterHit, CoOrthNotOrtholog, CoOrtholog, CoOrthologAvgScore, CoOrthologCandidate, CoOrthologTaxon, CoOrthologTemp, InParalog, InParalog2Way, InParalogAvgScore, InParalogOrtholog, InParalogTaxonAvg, InParalogTemp, InplgOrthTaxonAvg, InplgOrthoInplg, InterTaxonMatch, Ortholog, Ortholog2Way, OrthologAvgScore, OrthologTaxon, OrthologTemp, OrthologUniqueId, SimilarSequences, UniqSimSeqsQueryId;
$ DROP TABLE BestQueryTaxonScore;
$ orthomclInstallSchema orthomcl.config.template

载入数据到 MySQL

1
2
3
4

$ orthomclLoadBlast orthomcl.config.template similarSequences.txt
$ orthomclLoadBlast orthomcl.config.template similarSequences.txt.rmisoform
$ orthomclPairs orthomcl.config.template orthomcl_pairs.log cleanup=no
$ orthomclDumpPairsFiles orthomcl.config.template

运行 OrthoMCL

1
2

$ mcl mclInput --abc -I 1.1 -o mclOutput11
$ orthomclMclToGroups ORYSA 1 < mclOutput11 > groups11x.txt

结果文件的使用

Reference

• Li,L. et al. (2003) OrthoMCL: identification of ortholog groups for eukaryotic genomes. Genome Res., 13, 2178–2189.

升级：增加了画着丝粒的功能。

做了一个染色体的可视化，可以用来显示染色体上特定区域的注释信息，如QTL，基因等等。

如何使用

首先，你需要安装 Apache 服务器和 Php 环境在你的电脑上。

之后，用 git 把这个文件夹克隆到你电脑中网络文件存放的位置。

通过浏览器来（chrome, safari, 还是 firefox 根据你的喜好）访问 index.php 这个文件即可见可视化。

如果上面的步骤都成功了，你可以用自己的数据来替换 example_data 文件夹里的例子数据。

图片的例子显示了水稻染色体的SNP，数据集来源于第一个参考文献。

参考文献

• Huang,X. et al. (2012) A map of rice genome variation reveals the origin of cultivated rice. Nature, 490, 497–501.