2021년 7월부터 2022년 2월까지 학부연구생에서 작성한 코드
- 생물정보학 분석은 다양한 파일 포맷과 응용 프로그램을 사용한다. 생물정보학에서 초기 데이터는 개별 파일의 크기가 크면서도 파일의 수도 많다. 각각의 데이터의 특성은 제각각이기 때문에 이를 구별해서 분석을 진행할 수 있도록 자동화하는 과정이 필요하다.
- 이미 개발된 응용프로그램으로 분석의 메인 부분을 진행한다.
- 작성된 코드는 응용프로그램을 실행시키기 전에 분석 과정을 자동화하는 코드와 응용프로그램의 실행이 끝난 후 출력 데이터를 분석하기 위한 코드로 이루어져 있다.
- 파이썬으로 자동화 코드와 후분석 코드를 작성하였다.
- Shell script는 언제, 어떻게 코드를 실행시켰는지 기록하고, 연속된 분석을 수행하기 위해 분석마다 필수적으로 작성하였다.
- RNA-Seq 분석은 생물정보학에서 가장 널리 사용하면서도 복잡한 분석이다. RNA-Seq 분석은 여러 단계로 이루어져 있고, 각 단계마다 서로 다른 응용프로그램을 이용한다. 이 폴더의 코드는 RNA-Seq 분석을 자동화하여 실행할 수 있도록 한다.
- RNA-Seq.sh 파일에서 데이터의 경로와 파라미터를 미리 설정한 후 shell을 실행하면 RNA-Seq 분석을 자동으로 진행할 수 있다.
- fastqc.py, mapper.py, module.py 파일은 이전의 코드를 개선하기 위한 파일이다. 아직 구현 중인 프로젝트이다.
- Coexpression network 분석은 RNA-Seq 분석의 결과를 바탕으로 유전자 간의 상관관계를 찾는 분석이다.
- WGCNA.R로 실행된다.
- 다른 python 파일은 이후 분석에서 사용하기 위한 코드이다.
- gff 파일과 fasta 파일로부터 유전자의 서열을 얻는 코드
- 기타 promoter 지역 등 유전체에서 원하는 서열을 얻기 위한 코드
- 다른 분석 등에서 만들어진 데이터를 분석하고 정리하기 위한 코드
- 계통수 분석에 사용한 코드
- 계통수 분석 후 파일 확장자 변경 및 유전자 이름 포맷팅
이하 코드는 특별한 생명정보 분석을 위해 사용한 간단한 코드이다.
- 염색체에 유전자의 위치를 그려줌
- DEG 분석을 위해 사용
- gff를 gtf 파일 포맷으로 바꾸어 주는 코드
- gff 간의 포맷 변경
- KEGG 분석에 사용한 R 코드
- KEGG 분석 후 데이터를 정리하기 위한 코드
- Orthogroup 정보를 정리하기 위한 코드
- 다른 분석이 제대로 진행되었는지 확인하기 위한 코드