博文
MMseqs2软件cluster(聚类)
|
软件安装
conda安装
1. conda create -n mmseqs2 2. conda activate mmseqs2 3. conda install -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ mmseqs2 |
聚类分析
1. easy-cluster （核心算法：cascaded clustering algorithm）
mmseqs easy-cluster examples.fasta clusterRes tmp --min-seq-id 0.5 -c 0.8 --cov-mode 1 结果解释： clusterRes 结果文件的前缀。 tmp生成tmp/文件夹，里面记录每次的分析过程。 --min-seq-id 相似性阈值 -c 覆盖度阈值 --cov-mode coverage模式（详见下图） 0 ：bidirectional 1 ：target coverage 2 ：query coverage 3 ：target-in-query length coverage |
2. easy-linclust（适合大数据集）
mmseqs easy-linclust examples.fasta clusterRes tmp |
备注：
1. --cluster-mode 聚类模型参数，默认是2（2：Greedy clustering by sequence length (CDHIT)）
2. 推荐参数组合 --cluster-mode 2 --cov-mode 1
结果解释
⑴
*_all_seqs.fasta（总聚类序列文件，分3部分）
1.该聚类名称（代表性序列的seqid号）；2.该聚类的代表性序列；3.该聚类的非代表性序列。
⑵
*_cluster.tsv （聚类结果清单，和*_all_seqs.fasta一致。分2部分）
1. 第一列为cluster-representative（聚类的代表性序列seqid号）；2. 第二列为cluster-member（聚类的序列成员seqid号）。
⑶
*_rep_seq.fasta (所有的representative sequences，聚类的代表性序列)
⑷
tmp/ 文件夹里面记录每次的分析过程
【参考】
【1】https://github.com/soedinglab/MMseqs2
https://blog.sciencenet.cn/blog-994715-1391228.html
上一篇：第二代测序技术原理精讲
下一篇：seqkit软件用法小记
