DNA结合蛋白

本代码库提供基于MATLAB的非参数化模型，用于预测嗜酸嗜热菌DNA结合蛋白HTa的结合位点。该模型利用LASSO回归算法，并结合MNase-seq数据进行峰值检测和评分，进而评估HTa蛋白在不同基因组区域的结合差异。 代码使用方法: 运行LASSO_Input_file_generation.R脚本生成LASSO模型的输入文件。 使用MATLAB R2018a版本运行AH_LASSO_script.m脚本，输入步骤1生成的模型文件，得到LASSO模型系数。 运行LASSO_output_file_generation.R脚本，输入步骤2得到的模型系数以及计算得到的Kmers丰度，生成最

为了深入了解贝叶斯分层模型中超参数重估计技术的实施，我们在BayesPI中采用了贝叶斯模型正则化和生物物理建模，引入了拉普拉斯和柯西先验。我们还根据神经网络的结构属性将超参数（模型的正则化常数）分成多个类别。新的BayesPI模型已在合成和真实ChIP数据集上进行了测试，以识别蛋白质结合能矩阵。

比较了水生微生物生态学中两种广泛使用的DNA提取方法：苯酚-氯仿法和PowerSoil DNA分离试剂盒。研究评估这两种方法在社区生态学分析中的适用性和效果。尽管OTU数量较少，但这些方法对社区结构的影响显著，且它们的结果差异显著，不可相提并论。文章提供了用于统计分析的脚本，并包含了相关数据集的SRA登录号在NCBI数据库中。

这个软件包是Phylip 3.6中dnapars.exe的修改版本，原先的版本使用菜单设置参数，我改为了命令行驱动的mbetoolbox_dnapars.exe，并为其构建了MATLAB接口。在MATLAB中，只需设置路径后，您可以轻松地运行mbetoolbox_dnapars。输入文件应为Phylip格式的对齐DNA序列，命名为“infile”。更多关于Phyip包的信息，请参考：http://evolution.genetics.washington.edu/phylip.html。

fastAlign算法代码解析 本仓库包含fastAlign算法的MATLAB源代码，该算法用于蛋白质-蛋白质相互作用网络的快速全局比对。 代码结构 examples/: 包含mat3_greedy算法的运行示例，可通过运行example.m文件进行测试。 data/: 存放示例所需的数据文件。 code/: 存放算法实现的脚件，包括： MAT3_rank.m: 根据输入网络的邻接矩阵、alpha值、迭代次数和首选项矩阵计算相似性矩阵。 greedy_match.m: 根据输入网络对的相似性矩阵计算匹配矩阵M。 align.m: 根据输入的两个邻接矩阵和匹配度计算两个网络的对齐图。 bi

蛋白质组学的推断，PIA 还挺拿手的。它不是搜索引擎，但能把主流的MS/MS结果整合，再来一套统计和可视化，省了不少折腾。你丢进一堆PSM结果，它就能推断出哪些蛋白质靠谱，还能看清肽段和蛋白质之间是怎么对上的，关系图也清楚。整合多个搜索引擎的结果，PIA 得比较自然。不用你手动对着比，FDR也算得蛮靠谱，基本能搞定“同一组 PSM 到底支持几个蛋白质”的问题。尤其蛋白质歧义性的时候，代表蛋白选得还行，没那么主观。支持查看PSM-肽段-蛋白质的完整路径，这个功能我觉得挺实用。尤其是你搞多引擎组合的时候，像Mascot、XTandem、MSGF+之类的，直接一锅炖，比自己拉数据轻松多了。要注意的是

DNAStar 的工具组合挺全的，搞生物信息的你估计会觉得顺手。像，用来看、改、注释 DNA 序列，比起手撸来快多了，尤其改格式和插入碱基啥的，一键就搞定了。做比对挺稳的，支持常用算法，什么 ClustalW、Needleman-Wunsch 都有，做系统发育树也不在话下。嘛，预测 ORF、找启动子，这些常规它都能干。画遗传图谱的，标记一扔，图就有了，省了不少力。还有，设计引物的时候考虑 Tm 值、二级结构这些，自动帮你算好了，实验成功率提高一截。搞蛋白的用和，一个看结构一个看序列拼接，功能还挺细的。

这份PPT详细介绍了蛋白结构数据库的内容和重要性。涵盖了不同类型的数据库及其在科学研究中的应用，是理解蛋白质结构与功能关系的重要工具。

黑科技级别的 DNA 序列神器——DNAstar 7.0，对搞生信的小伙伴来说真的蛮有用。序列比对的效率还挺高，直接对上百条序列跑同源性，响应也快，适合你搞基因家族研究。比如用来找出某些调控区的保守片段，就方便。转录组组装功能也不差，拿个 RNA-seq 数据一导，几步就能拼出完整转录本。你要是研究表达模式或者非编码 RNA，这块功能可以多摸索摸索。结构预测这部分比较有意思，能把 DNA 折叠成 2D、3D 结构图，帮你它怎么跟蛋白质打交道。这对搞基因调控的人来说，还挺关键的。多序列比对也集成得不错，做系统发育树、比对进化分支啥的，都能直接上。还支持导入不同格式，兼容性也 OK。功能注释算是一

matlab 的喷泉码编码器，用起来还挺顺的，尤其是你在搞DNA 存储这块的话，真的是蛮实用的。里面的LT_code.m核心文件结构清晰，参数也都开出来了，调试起来不会太难。 喷泉编码的底子是来自那篇比较有名的论文——Erlich 和 Zielinski 在 Science 2017 年发的。用的是 LT 码那一套思路，再结合上GC 含量和同碱基最大连续数这些约束，你能灵活地配置你的编码策略。比如你要完全放飞，就把Max_run_length设 152；如果你要比较规范，就给它设 3 就好了。 还有个亮点是它的编码约束设置，在LT_code.m文件里直接改就行，不用到处找。Max、Min 的